Лучшая нейросеть для кода: как выбрать под задачу

Вопрос задают часто, а ответ в виде одного названия всегда оказывается неверным через пару месяцев. Полезнее критерии, которые не устаревают.

Почему рейтинг не работает

Три причины.

Модели обновляются быстрее, чем пишутся обзоры. Любой список «лучших» отражает состояние на момент написания.

Бенчмарки меряют не то. Они проверяют решение изолированных задач с известным ответом. В реальной работе важнее другое: удерживает ли модель длинную цепочку шагов, справляется ли с большим репозиторием, следует ли вашим соглашениям, признаёт ли, что не знает.

Инструмент влияет не меньше модели. Одна и та же модель в чате и в агенте даёт разный результат, потому что в агенте она видит вывод тестов и исправляет себя.

Критерии вместо рейтинга

Что действительно различает модели на практике:

Глубина рассуждения. Способность удержать много связей сразу. Здесь разрыв между уровнями самый заметный: сложный баг с неочевидной причиной старшая модель находит, младшая ходит кругами.

Поведение на длинной цепочке. Агентная задача - это десятки шагов. Модель, которая теряет цель на середине, бесполезна независимо от качества отдельных ответов.

Честность при незнании. Модель, которая выдумывает несуществующий метод библиотеки, стоит дороже в отладке, чем модель, которая говорит, что не уверена.

Работа с контекстом. Насколько хорошо она использует то, что ей дали, вместо общих знаний.

Скорость. Быстрая модель меняет характер работы: вы работаете в диалоге, а не ждёте.

Цена. Разница между уровнями кратная и заметна на объёме.

Под рутину

Быстрая и дешёвая модель. Признаки такой задачи: решение известно, правка механическая, есть автоматический критерий, задача локальная.

Сюда же вся разведка: найти файл, посмотреть, где что вызывается, собрать список. Это работа на объём чтения, а не на глубину мысли.

Практический эффект: на рутине разница в результате между уровнями моделей близка к нулю, а разница в скорости и цене заметна сразу.

Под сложные задачи

Старшая модель. Признаки: причина проблемы неизвестна и её надо найти рассуждением; нужно удержать много условий сразу; цена ошибки высока, а проверить автоматически нельзя.

Рабочая связка, которая экономит и время и деньги: разбор и план на старшей модели, исполнение по плану на быстрой. План короткий, его дорого думать и дёшево применять.

Под ревью

Отдельный случай, который часто упускают: ревьюить код лучше другой моделью, чем та, что его писала.

Причина простая - та же модель склонна повторить то же неверное предположение и подтвердить собственный вывод. Другая модель смотрит свежим взглядом. Это тот же принцип, что и в слое верификации.

Как проверить на себе

Универсальный способ, который работает лучше любого обзора:

1. Возьмите три задачи из своей реальной работы, где вы знаете правильный ответ.
2. Прогоните каждую в двух-трёх вариантах.
3. Смотрите не только на результат, но и на то, сколько правок понадобилось и сколько раз модель уверенно ошиблась.

Второе важнее первого. Модель, которая ошибается редко, но признаёт неуверенность, полезнее модели, которая чаще права, но никогда не сомневается.

Как модель задаётся и меняется в терминальном агенте - модели в Claude Code. Про экономию при работе с несколькими моделями - роутер моделей. Обзор инструментов - нейросети для кода. Общая картина - гид по вайб-кодингу.