①AIが「厳重な管理」をするので13,000 "unsafe" callsのまま良しとする
②AIにリファクタリングさせて130個レベルにする(uvの対比から1/100)
実験として②に踏み込むのかどうか

どっちにしても(Cコンパイラ実験のように)トークン消費量とかレポートが欲しいね