佬友们好，我最近在做强化学习的训练，之前一直使用 GPT5.6sol ，但是实在太慢了，一轮代码迭代需要 1.5h，每天晚上必熬夜，本来以为一个小迭代半小时能搞定，结果要等上一个多小时。然后 GPT 还特别喜欢写门禁 ，做测试，每次测试耗费的时间比改代码还要多了，然后写的一堆门禁往往会起到反作用（导致训练无法正常开始），常常训练 8h，然后改代码 8h， 每次训练跑起来还有反复让 gpt 看日志确定没有发生漂移才敢睡觉，然后 goal 用的也不省心，会写很多无效代码，浪费 token 不说还浪费时间。 
请问佬友：是否有在这种领域可以高效率写代码的模型？grok4.5 或者 ds4f 能否胜任？还是说可以gpt5.6sol 规划，配合快速模型编写代码？