Хабр Курсы для всех
РЕКЛАМА
Большая витрина: от крупнейших школ до частных авторов. Сравнивайте по цене, длительности, формату и выбирайте самый подходящий курс!
Поток AI и ML доступен 24/7 благодаря поддержке друзей Хабра
Комментарии 33
gemma3:4b и gemma2:2b.
Для любой работы с кодом и в агентских сценариях разумная нижняя граница это 8-9B.
Согласен. Для самостоятельной работы с кодом 2–4B действительно слишком мало — модель быстро теряет контекст и начинает уверенно выдумывать. Моя идея была не заменить Codex локальной Gemma, а отдавать ей только узкие задачи: классификацию, краткое резюме, поиск очевидных ошибок и подготовку черновиков. Но границу стоило обозначить явно: для нормальной кодовой и тем более агентской работы начинать нужно хотя бы с 8–9B.
Этот коммент gemma написала или codex?)
Codex, причем даже не Astra, скорее всего gpt 5.6 sol. Для кодекса от такой вот лабуды у меня стоят unslop и ещё парочка скиллов которые стилистику для разных документов правят. Получается хоть как то приемлемо, не так много править, и отвечать стал лучше. А тут прям без фильтров слоп слопом. И построение всего текста, и отдельно взятые предложения. Аж глаз дёргается. Астра хоть и жрет лимиты как не в себя, но хотя бы общается получше
ripgrep только работает, но он на процессоре. Не тратьте время, никакая локальная llm не поможет.
openai к сожалению, в последнее время сломался.
Разумный минимум для работы с кодом это sonnet. А дефолтный opus.
А выбираешь сам, головой перед тем как промп писать - это же 2секундное дело. Но тогда статьи бы не вышло, да-с....
Разумный минимум для работы с кодом это sonnet. А дефолтный opus.
В рамочку и в галерею самых сильных ИТ-заблуждений этого года. Из пушки по воробьям.
Я согласен, с тем что 8-9B модели гораздо хуже фронтирных, но базовые вещи они делают нормально. Это нормальное решение при малом количестве VRAM.
А вот ~30B модели при правильной подготовке показывают себя на уровне фронтир моделей прошлого поколения и иногда даже превосходят их в типовых задачах, но работают дольше.
Я вообще от фронтир моделей отказался и перешел с харнесс-кодинга, на имаго-кодинг, со временем статью напишу об этом. Фронтир модели периодически тестирую по мере выхода чтобы понимать что куда.
Я согласен, с тем что 8-9B модели гораздо хуже фронтирных, но базовые вещи они делают нормально.
Это какие модели? Gemma4-12b и Ornith-9b вроде и что-то совсем шаблонное могут, но иногда так косячат, что эти же задачи проще руками переделать. А я в целом не использую LLMки для чего-то сильно сложного. Вот Gemma4-26b уже довольно хороша, и не косячит на делегируемых мной задачах. Приятнее всего, конечно, Qwen3.8-27b для агентского режима и Gemma4-31b для чата.
имаго-кодинг
О таком звере первый раз слышу, нагуглить что-то не могу. Можете, пожалуйста, подсказать, где об этом можно почитать?
Это какие модели?
Все на базе Qwen архитектуры:
Qwen3.5-9B это база для кодинга в таком размере.
Ornith1.0-9B для агентной работы. Это пост трейнинг Qwen3.5 под многошаговую работу в роли агента ценой ухудшения непосредствеено кодинга. Именно 1.0 версия, не 1.5.
Qwopus3.5-9B-coder свежая модель, дистиллят Qwen на ответах Opus, заточена как под агенсткую работу, так и под работу с tools.
Приятнее всего, конечно, Qwen3.8-27b для агентского режима и Gemma4-31b для чата.
Вы правы, Qwen лидер среди моделей подобного класса, еще Ornith 35B неплох и работает быстро.
О таком звере первый раз слышу, нагуглить что-то не могу. Можете, пожалуйста, подсказать, где об этом можно почитать?
Это мое самоназвание, дальнейшее развитие работы с моделями над проектами после вайбкодинга/чата и харнесса/RAG. Поэтому расскажу сразу отдельной статьей.
Это пост трейнинг Qwen3.5 под многошаговую работу в роли агента ценой ухудшения непосредствеено кодинга
Что ж, это многое объясняет.
Ornith 35B
Да, его тоже пробовал и остался доволен, но меня вполне устраивает скорость Qwen3.8-27b, так что сильно много с ним времени не проводил. Единственный минус, который могу отметить у Qwen3.8-27b, так это то что на естественных языках пишет он как-то странно и перегруженно, читать это порой сложно. Поэтому для чатов Гемма представляется мне куда полезнее, она ещё и за пределами программирования меньше галлюцинирует.
Это мое самоназвание, дальнейшее развитие работы с моделями над проектами после вайбкодинга/чата и харнесса/RAG. Поэтому расскажу сразу отдельной статьей.
Пишите, будет интересно почитать.
Скажите, а почему вы не взяли Gemma 4? Она ведь гораздо умнее.
Особенно gemma-4-qat
Потому что промахнулся с выбором модели: взял уже установленные Gemma 2/3 и больше сосредоточился на самой схеме делегирования. Gemma 4 QAT действительно стоило включить. Поэтому сделаю отдельную статью про более новые модели и прогоню их на одинаковых практических задачах. Следом хочу отдельно сравнить модели класса 8–9B — похоже, именно там начинается разумный минимум для локальной работы с кодом и агентских сценариев. Спасибо за наводку.
Поэтому сделаю отдельную статью
Если там опять будет нефильтрованный слоп, то не надо, пожалуйста. Остановитесь пока не поздно. Статью с нейросетями нельзя писать так, как вы писали эту, и как отвечаете на комментарии, иначе на статье опять будет много минусов. Даже если там будет что-то полезное, статья будет восприниматься как спам из-за типичнейшего стиля, узнаваемого всеми.
Mcp ест много контекста. Лучше установить хернес и через командную строку передавать задачу
Зависит от MCP, но в общем случае скорее соглашусь, чем нет.
Конкретно в этом случае - не уверен, надо смотреть на тулзы и описания, чтобы понять, сколько контекста отъедает такой сервер.
Да не нужен никакой сервер вообще, просто отправляйте задачу целиком как промпт и получайте результат в ответ. Вот пример скилла для claude, чтобы вызывать codex, никакого mcp не нужно в принципе:
Скрытый текст
#!/usr/bin/env bash
# Runs Codex CLI as an external reviewer over the uncommitted changes of a git repo.
# Prints the review to stdout. The full Codex log goes to a file whose path is printed at the end.
#
# Usage: codex-verify.sh [-d DIR] [-e low|medium|high|max] [-m MODEL] [task description...]
# -d DIR any directory inside the repo (default: current directory)
# -e reasoning effort override (default: ~/.codex/config.toml, currently max)
# -m model override (default: ~/.codex/config.toml)
# The remaining arguments are passed to Codex as the description of the task the changes implement.
#
# Exit codes: 0 review produced, 1 Codex failed, 2 usage/environment error, 3 nothing to review.
set -uo pipefail
usage() { sed -n '2,10p' "$0" | sed 's/^# \{0,1\}//'; exit 2; }
DIR="$PWD" EFFORT="" MODEL=""
while getopts ":d:e:m:h" opt; do
case $opt in
d) DIR=$OPTARG ;;
e) EFFORT=$OPTARG ;;
m) MODEL=$OPTARG ;;
*) usage ;;
esac
done
shift $((OPTIND - 1))
CONTEXT="$*"
case "$EFFORT" in ""|low|medium|high|max) ;; *) echo "Invalid -e value: $EFFORT" >&2; exit 2 ;; esac
command -v codex >/dev/null || { echo "codex not found in PATH" >&2; exit 2; }
ROOT=$(cd "$DIR" 2>/dev/null && git rev-parse --show-toplevel 2>/dev/null) || { echo "Not a git repository: $DIR" >&2; exit 2; }
cd "$ROOT" || exit 2
if [ -z "$(git status --porcelain)" ]; then
echo "No uncommitted changes in $ROOT; nothing to review." >&2
exit 3
fi
# Paths handed to codex.exe must be Windows paths; paths used by this script stay POSIX.
if command -v cygpath >/dev/null 2>&1; then
OUTDIR="$(cygpath -u "${TEMP:-/tmp}")/codex-verify"
towin() { cygpath -w "$1"; }
else
OUTDIR="${TMPDIR:-/tmp}/codex-verify"
towin() { printf '%s' "$1"; }
fi
mkdir -p "$OUTDIR" || exit 2
BASE="$OUTDIR/$(basename "$ROOT")-$(date +%Y%m%d-%H%M%S)"
REPORT="$BASE.md"
LOG="$BASE.log"
PROMPT="Look for bugs and bad decisions in currently uncommitted code.
Scope: staged, unstaged, and untracked files. Start from \`git status\` and \`git diff HEAD\`; read untracked files in full. Read surrounding code when a change's correctness depends on it.
This is a read-only review. Do not create, modify, or delete any file inside the repository. Do not run git commands that change state (add, stash, checkout, reset, commit, clean). You may run existing tests, read-only commands, or throwaway scripts placed outside the repository to confirm a suspicion."
if [ -n "$CONTEXT" ]; then
PROMPT="$PROMPT
The changes were made for this task:
$CONTEXT
Judge 'bad decisions' against that intent: wrong approach, unnecessary complexity, silent failure modes, missing error handling, and anything that would surprise the person who asked for it."
fi
PROMPT="$PROMPT
Output: markdown, one bullet per finding, ordered by severity. Each bullet: severity tag (P0 blocker, P1 bug, P2 should fix, P3 nit), file:line, what is wrong, why it matters, the concrete fix. Mark a finding as unconfirmed when you could not reproduce it. If there is nothing to report, say so in one line. No praise, no summary of what the change does, no restating the diff."
# Codex CLI cannot reach OpenAI through the proxy configured in the user environment.
# Unset it for this process only; the caller's environment is untouched.
unset HTTP_PROXY HTTPS_PROXY ALL_PROXY http_proxy https_proxy all_proxy
# danger-full-access is required: the Windows sandbox user cannot open UNC paths, so
# read-only and workspace-write fail with "access denied" on network shares such as D:\.
args=(exec --color never -s danger-full-access -o "$(towin "$REPORT")")
[ -n "$EFFORT" ] && args+=(-c "model_reasoning_effort=\"$EFFORT\"")
[ -n "$MODEL" ] && args+=(-m "$MODEL")
START=$(date +%s)
codex "${args[@]}" "$PROMPT" </dev/null >"$LOG" 2>&1
STATUS=$?
ELAPSED=$(( $(date +%s) - START ))
if [ $STATUS -ne 0 ] || [ ! -s "$REPORT" ]; then
echo "Codex exited with status $STATUS after ${ELAPSED}s and produced no report. Last 40 log lines:" >&2
tail -n 40 "$LOG" >&2
echo "Full log: $LOG" >&2
exit 1
fi
cat "$REPORT"
echo
echo "---"
echo "repo: $ROOT"
echo "elapsed: ${ELAPSED}s"
echo "report: $REPORT"
echo "log: $LOG"
Подключил локальную Gemma к Codex, чтобы экономить лимит. На простой задаче расход вырос вдвое
Заглядываем внутрь:
gemma3:4b и gemma2:2b
Сначала Codex должен прочитать запрос и решить, какой инструмент вызвать. После выполнения инструмента Codex снова получает контекст вместе с результатом и формирует финальный ответ.
Для короткой задачи получаются два облачных прохода вместо одного. Локальная модель выполняет полезную работу посередине, но сама её работа почти ничего не вычитает из контекста Codex.
Вот так новость, если делать фигню, то получится фигня. -1. Сама статья тоже написана нейронкой, причём этим же GPT, но на Хабре, видимо, котируются разоблачения только самых очевидных случаев написания нейронкой, а тут, кроме обилия monospace, англицизмов, SHA-256, диаграмм→со→стрелочками, сгенерированных картинок и характерного для чатаГПТ стиля речи других признаков нету.
P.S.: В предыдущих статьях автора наблюдается (а почему нельзя ставить ссылки в скрытый текст? редактор-позорище) такой элемент стиля конкретно чатаГПТ, как переносы даже коротких команд
«Вот так новость» звучит эффектно, но вы буквально пересказали вывод статьи и выдали его за разоблачение. Эксперимент как раз и показал, что дешёвая локальная модель, поставленная между двумя проходами Codex, не экономит лимит, а увеличивает расход. Отрицательный результат — тоже результат, если показана причина.
С выбором моделей претензия справедливая: 2B/4B недостаточно для серьёзной агентской работы. Поэтому следующим этапом будут Gemma 4 QAT и модели класса 8–9B на одинаковых задачах, с сырыми ответами, временем, памятью и расходом токенов.
GPT при подготовке текста использовался, скрывать это не собираюсь. Но код, запуск, замеры и неудачный результат от этого выдуманными не становятся. monospace, SHA-256 и стрелки в диаграммах — довольно странная доказательная база. Если в методике или цифрах есть конкретная ошибка, её как раз интересно обсудить.
Переносы команд поправлю. А -1 — ваше право, здесь без вопросов.
Привет, ЧатГПТ,
вы буквально пересказали вывод статьи и выдали его за разоблачение
Здесь и без эксперимента было понятно, чем всё окончится. Вот. На местном языке это называется "низкий технический уровень материала". Где-то проходит граница между "отрицательный результат — тоже результат" и "вот так новость, если делать фигню, то получится фигня", и, имхо, эта статья относится чисто ко второму варианту.
С выбором моделей претензия справедливая: 2B/4B недостаточно для серьёзной агентской работы. Поэтому следующим этапом будут Gemma 4 QAT и модели класса 8–9B на одинаковых задачах, с сырыми ответами, временем, памятью и расходом токенов.
Давайте сразу пятьдесят статей, чего мелочиться. Вот одна статья с аналитикой сразу ряда моделей для подобного использования была бы интересной.
GPT при подготовке текста использовался, скрывать это не собираюсь.
@moderator бы сильно удивился, если бы ему не было пофигу.
Edit: какое осторожное выражение, "при подготовке текста использовался". Между "писал я, а ИИ искал опечатки" (допустимо), "я написал кучу, а ИИ её пересказал" (недопустимо без дисклеймера) и "я приказал, ИИ написал" пропасть.
monospace, SHA-256 и стрелки в диаграммах — довольно странная доказательная база
Поверьте профессионалу ^_^. И вообще, я же по этим признакам успешно эту статью вычислил, как написанную именно что ChatGPT.
Если в методике или цифрах есть конкретная ошибка, её как раз интересно обсудить.
В статье вообще не приведёно объявление MCP-сервера, т.е. описание его ручек, которое и будет использовать Codex. Не указано, является ли сам сервер агентом, т.е. может ли он вызывать инструменты. Вне зависимости от исхода получается чушь: если может, то в статье не указана информация о вызовах инструментов, а если не может, то получается, то Codex'у надо сформулировать вопрос, подобрать контекст, вызвать сервер, отправив эту задачу, подождать, и получить ответ тупенькой модельки. В таком случае идея "ещё более" была заранее обречена на провал. Сами промпты, размышления и ответы модели тоже не приведены.
На счет MCP сервера принято, но с натяжкой - там одна несчастная ручка, также, замечу, что статья про расход токенов. В материале, прошу заметить, отмечены мощности - это 16 гб и старенький i7. Замечание на счет раздувание статей принято, прошу понять и простить, это мой первый мощный существенный фидбек за 5 статей, буду писать лучше. На счет использования ГПТобидно, не знаю как вас переубедить.
На счет предыдущих статей, как минимум зайдите в профиль, там прикреплен мой веб сайт, при желании, посмотрите DNSLookUp, там есть CNAME записи к реально существовавшему проекту, все материалы написаны на основе реальных ситуаций, для этого я, как минимум собираю логи, как максимум форматирую их ГПТ шкой
Сказать задним числом «результат очевиден» несложно. Тогда покажите, как из одной только архитектуры заранее получить двукратный расход, а не, например, прибавку в 10–20%. Я проверил это на работающей интеграции и привёл числа.
Edit: @moderator бы сильно удивился, если бы ему не было пофигу.
Очевидно, ведь в моем проекте везде используются модельки. Открою секрет, разрабатываем модели на 700 тысяч параметров, которые, как показывает статистика, работают намного быстрее любого асинхронного кода на Fastapi.
Что касается конкретно подготовки статей, у меня 400ГБ логов в месяц. Самые животрепещущие инциденты сразу вношу в Markdown, после чего пишу ручками статью. Еще один анонс, ИИможно Ragать как угодно, и отвечать моделька вам будет как угодно.
Edit: Прошу, уважаемый пользователь, напиши еще раз, что это все сгенерировано ИИ.
В материале, прошу заметить, отмечены мощности - это 16 гб и старенький i7.
А это вы к чему? Если статья про расход токенов, то скорость инференса не играет роли.
на счет раздувание статей
Уточню, что замечание не про раздувание, а наоборот, про то, что статье не хватает ряда материалов (входы, выходы, код). Ну и то, что используются устаревшие модели, автоматически делает статью устаревшей прямо в момент выхода.
На счет использования
ГПТобидно, не знаю как вас переубедить.
Такая вот корреляция, что если та или иная статья написана ИИ, то есть шанс, что методология хромает. Так как с ИИ кто угодно может писать по любой теме, а проверять написанное всё ещё требует квалификации и приложения усилий, то если не сдерживать поток ИИ-статей, то весь сайт будет заполонён контентом, сообщающим о вещах, для проверки которых ни автору, ни большинству читателей не хватит либо квалификации, либо желания разбираться.
В конце концов, читатели ожидают что статью по некой теме написал автор, который в ней разбирается (это я не про вас, а про отношение к ИИ-статьям в принципе), и написал её сам. Поэтому, например, переводы отмечаются соответствующей табличкой, у цитат и картинок указывается автор, и на влиятельные источники проставляются ссылки.
как максимум форматирую их
ГПТшкой
Достоверно известно, конечно, только вам, но я уверен, что в статье влияние ИИ большее, чем просто форматирование. Характерный стиль речи, включая подбор слов и организацию предложений, выдаёт это.
Сказать задним числом «результат очевиден» несложно. Тогда покажите, как из одной только архитектуры заранее получить двукратный расход, а не, например, прибавку в 10–20%.
Из "одной только архитектуры" можно понять, что эффективность общей работы не повысится, а понизится. Этого вывода уже достаточно. Выяснять, понизится производительность на 1%, на 10% или в 10 раз уже не очень полезно.
Есть codex, который и сам умеет вызывать субагентов, чтобы они за него чесали репу. Для замены этого было решено поднять локальную (и медленную) БЯМ с устаревшими моделями, единственным способом применения которой является отправка вопроса от "сильной" модели. Так как локальная модель не является агентом, и не может сама проводить раскопки информации, сильная модель должна сначала составить вопрос, потом подумать, стоит ли ей вызывать локальную модель, потом собрать контекст для локальной модели, сделать вызов, получить результат, подумать над ним. Получается, что сильная модель делает кучу приседаний, которые тратят больше сил, чем получается экономия от вызова локальной модели. Поэтому эффективность падает.
Edit: ответ на edit:
> @moderator бы сильно удивился<...>
Это я к тому, использование ИИ при подготовке статей правилами Хабра запрещено. Вот прямо в такой неадекватной формулировке и написано. Так как правила Хабра ещё и не соблюдаются (судя по всему, ни одно не соблюдается), а @moderatorна вызовы не отвечает, ситуация получается абсурдной.
Открою секрет, разрабатываем модели на
700 тысяч параметров, которые, как показывает статистика, работают намного быстрее любого асинхронного кода наFastapi.
Что под этой фразой имеется вообще ввиду? Один токен быстрее одного запроса через fastapi? 700 кБ (например) с запасом влезают в L3-кэш, у кого-то и в L2, так что не очень понятно, чем вы тут хвастаетесь.
Что касается конкретно подготовки статей, у меня
400ГБлогов в месяц.
Я выпиваю до 12 порций кофе в день.
Самые животрепещущие инциденты сразу вношу в
Markdown, после чего пишу ручками статью.
"Ручками" имеет широкое значение. Уже видно ИИшный подбор слов в статьях.
Еще один анонс,
ИИможноRagать как угодно, и отвечать моделька вам будет как угодно.
Это вы к чему?
Edit: Прошу, уважаемый пользователь, напиши еще раз, что это все сгенерировано
ИИ.
Этот ваш комментарий, скорее всего, не сгенерирован ИИ.
Выбор так себе. Попробуйте MiniCPM5-2b или Ling 3.0 tiny. Это лучшие модели в своих тирах и не займут и трети VRAM в Q4_K_M. Даже gemma4 e2b и e4b уже не актуальны, тем более что на деле веса 5 и 8 b соответственно из-за мультимодальности, возможности 3 и 2 версий gemma уже никуда не годятся. В общем опыт был обречён на провал с самого начала. Для полноты эксперимента рекомендую сначала изучить топ artificial intelligence index на владке leaderboards/models в разделе tiny. Там все модели под вашу задачу. Как найдёте фаворита, то приходите на hf в поисках файнтьюнов
С большим успехом можно сделать субагента на 5.6 luna - стоит копейки, работает быстро, и явно умнее любой локальной модели, которая у Вас заведётся. Или DeepSeek v4.1 flash, если есть.
В ПИ есть плагин pi-shift-router где маленькая модель решает кто будет заниматься задачей(или какую задашь). Я поставил, но пока толком не тестировал, но он работает. Возможно это то что ты ищешь. Ну вот часть команд которые там есть для понимания в возможностей. Fast- это модель которая решает кто будет обрабатывать запрос.
/router on Включить роутинг (по умолчанию)
/router off Отключить роутинг (всё на текущей модели, без переключений)
/router Показать краткий статус
/router status Подробный статус (тир, модель, last decision, статистика)
/router eco Экономичный режим (θ=0.5, больше Fast)
/router default Стандартный режим (θ=⅓, сбалансированный)
/router sport Агрессивный Smart (θ=0.25, реже переключает на Fast)
/router config Интерактивный визард настройки тиров
/router orchestrate on/off/auto Вкл/выкл/авто оркестрации ( делегирование субагентам)
Очень странный выбор в 2026 году пытаться тестировать прошлогодние и позапрошлогодние модели, да еще и в квантах для мобильных телефонов.
После первого занятия пользователь может навсегда потерять возможность записываться дальше.
А вот это вообще о чём? Статью тоже Gemma2 написала?
Автор, вы пытаетесь использовать маленькую устаревшую модель как большую и ожидаете от нее того же качества решений. В вашем случае ей нужен FSM: сформируй исправленный код > запусти в песочнице > прочитай вывод, отправь на вторую итерацию, если ошибка. Причем даже решения о том ошибка или нет лучше оставлять алгоритму вокруг модели, а не самой модели. Т.е. разделять залачу на атомарные элементы, желательно делая из нее выбор вариантов а не свободное творчество, проверять и валидировать каждый шаг, переходить к следующему через проверку состояния алгоритмом (если применимо).
Могу сказать что успешно эксплуатирую gemma 4 e4b для таких задач как:
классификация и оценка применимости предложенных алгоритмических решений в пайплайне массовой обработки данных
обработка документов и вывод струтурированной информации из них (ocr, собственный vision модели как фоллбэк)
агент-помощник аналитика (статистика по табличным данным, графики, агрегация данных (тут уже в зависимости от сложности, e4b может не хватать).
И в этих маленькая модель экономит и деньги и время.
Я это к тому что у этих моделей своя область применимости, и это точно не кодинг в широком смысле слова.
В рамках экономии токенов на кодинге попробуйте qwen3.6 35b a3b, qwen3.8 27b, qwen 3.8 flash-next. Я пробовал их давать claude в виде инструкции делегировать задачи локальной модели через запуска opencode, но и тут рещэзультат дискуссионный, потому что claude потом все равно проверял и правил ошибки, и по времени это точно было существенно медленнее чем просто claude (зависит от железа в наличии конечно).
Удалено. Обсчитался.
Забавно что никто не хочет прочитать хотя бы базовые вещи о том как устроены "ИИ". Все почему-то уверены что если больше "b" и больше денег уплачено за подписку, значит ллм будет "думать" и что-то там кому-то делегировать.
Насмотрелись маркетинговых роликов Альтмана "140к агентов дружно контролируют друг друга"?
Qwen3.8-27b регулярно тестирую на своем macbook pro m5 max 128gb, но она все равно никак не дотягивает до связки opus-sonnet в кодинге, на болеее простых задачах норм, но для более сложного кодинга она не справляется, то запутается с отступами (у нее какой-то главный глюк с отступами в больших python или jsx файлах, и она может на этом зависнуть надолго), или в целом может сделать все хорошо на небольших задачах, но все равно что-нибудь да нарушит в коде, потом соннет быстро доделывает за ней. Я бы очень хотела увидеть в qwen3.8-27b что-то хотя бы как соннет, но пока нет, доверить ей продакт код не могу, а если и даю какие-то задачи, то обязательно с проверкой опусом. Сама лично с соннет и опусом работаю уже 2 года, начинала еще когда соннет 3.5 был, ну и опус с декабря 2025 вышел в доступной тарификации, поэтому разницу с qwen очень сильно ощущается, так же поработала месяц по подписке в qoder со всеми флагманскими китайскими моделями, в том числе и qwen3.7 max на то время был облачный, все равно не дотягивают до связки opus оркестратор-соннет исполнитель.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Подключил локальную Gemma к Codex, чтобы экономить лимит. На простой задаче расход вырос вдвое