Русский и английский оригиналы статьи в моём блоге.
Это подробный разбор одного эксперимента. Я взял god node из реального LangGraph агента и попросил 5 американских и 6 китайских моделей сначала предложить, как её распутать, а потом оценить предложения друг друга. Дальше тремя разными способами пытался понять, кому из них в этом деле верить.
Оглавление
Исходная задача. Что за god node и чем она опасна.
Спойлер: коды готовы — вставьте и пользуйтесь.
Однажды я открыл биллинг и просто посмотрел, на что уходят токены. Не на «подумать над архитектурой». А на переименование переменных, генерацию тестов по готовому ТЗ и прогон миграций. Всё это считалось по тарифу флагманской модели, хотя такую работу вытянет модель в десятки раз дешевле.
Ниже – как развести действительно сложные задачи и рутину по двум моделям внутри Claude Code, не ставя ни одного стороннего форка. И три зоны, куда дешёвую модель я не пускаю принципиально.
Таким вопросом я задался после просмотра розыгрыша от Яндекса. У ведущего был список участников [номер имя] и он просил Алису назвать случайное число от 1 до 6296. Было 15 попыток и среди ответов не было чисел меньше 100, что смутило ведущего, он даже хотел поменять диапазон, но команда поддержки ему не разрешила. Посчитаем, с какой вероятностью могло выпасть число от 1 до 99, получим 0.78%. Немного. Но вопрос о случайности чисел меня заинтересовал.
p_single = (6296 - 99) / 6296
prob_all = p_single ** 15
Это личный инженерный эксперимент, а не медицинский инструмент. Система помогает фиксировать наблюдения и готовить вопросы специалисту, но не ставит диагнозы и не заменяет врача или психолога.
Личные примеры в статье основаны на моих наблюдениях, но отдельные формулировки и детали я обобщил, чтобы не публиковать дневник дословно.
Через четыре месяца ежедневных записей я попросил агента проанализировать прошедший месяц. Ответ выглядел убедительно: связный текст, аккуратные формулировки, похожие на настоящие выводы.
Когда нейросеть отвечает на вопрос и показывает блок «источников», кажется, что у всех систем это одно и то же — список ссылок, на которые модель опиралась. На деле за этим блоком в каждой системе стоит своя реализация: свой способ обмена с сервером, свой формат ответа, свои поля, из которых интерфейс достаёт цитаты. Мы разобрали сетевой обмен веб-клиентов трёх систем — ChatGPT, Gemini и DeepSeek — и параллельно прогнали через них один и тот же набор запросов по 10 раз, чтобы понять не только техническое устройство цитирования, но и что эти системы реально цитируют.
24 апреля 2026 DeepSeek в режиме preview выкатил V4-Pro — MoE на 1.6T параметров (49B активных), 1M контекста. Появился повод посадить три флагманские модели за один и тот же не самый тривиальный таск и посмотреть, кто как справится. Задание общее, машина одна, час один, всё запускалось параллельно:
|
Модель |
Harness |
Reasoning effort |
|---|---|---|
|
Anthropic Opus 4.7 (1M ctx) |
Claude Code |
x-high |
|
OpenAI GPT-5 |
Codex |
high |
|
DeepSeek V4-Pro |
OpenCode |
high (max) |
Я не программист. Я архитектор, проектирую дома, а полгода назад не знала, где живут скрипты и питоны. Но когда планировалось удаление важного для меня чата в Telegram, я попросила нейросеть написать парсер — и пропала. С тех пор прошло полгода, а я всё ещё доделываю приложение, которое изначально должно было просто сохранить переписку. Это не история успеха за 4 дня. Это история о том, как взрослый человек с семьёй и работой может уйти в вайбкодинговый запой и что из этого выходит. Все совпадения с реальными нейросетями не случайны, а промпты — настоящие.
Начало апреля.Читать полностью »
