Metodolojiyi paylaşman güzel olmuş, sadece iddia değil ham benchmark JSON'larını da repoda bırakman güven veriyor. Biz ajans tarafında agent oturumlarında context şişmesini genelde işi alt görevlere bölerek ve büyük dosyaları tam okutmak yerine ilgili bölümü okutarak kontrol ediyoruz, senin yaklaşımın da benzer bir mantığa dayanıyor gibi görünüyor. Haiku'da tam tersi sonuç çıkması ilginç, muhtemelen daha küçük modelde reasoning kısıtlamasının farklı davranmasından kaynaklanıyor. Repoyu deneyeceğim, eline sağlık.