A $20/month coding setup that splits work between GPT-6 Luna and Sol with Jev

What this article says

文章围绕 GPT-6 Luna 发布后 AI 编程成本结构的变化展开。核心主张是：不必所有编码任务都用最贵的模型，而是引入 Jev 作为决策层，对每个任务做判断——常规的代码生成、修改、补全交给更便宜的 Luna，只有真正困难的推理、架构设计、疑难调试才升级到 Sol。作者据此搭出一套每月 20 美元即可跑通的完整配置，并给出模型分工、调用路径和成本对比。结论是：模型分层加决策路由，能在不牺牲关键任务质量的前提下大幅压低日常编程开销，让个人开发者用订阅级预算获得接近高端模型的产出。