🤖 Сравнение ИИ-моделей: GPT, Claude, Grok и стратегии работы

Обзор новых возможностей ИИ-моделей и стратегий работы

Ключевые тезисы:

OpenAI представила обновление, объединяющее Codex и ChatGPT в единый клиент с новыми функциями (браузер, компьютерный доступ).
Модель GPT-5.6 (Fable 5) демонстрирует высокую интеллектуальность, но может быть «зажата» системными ограничениями и сейфти-фильтрами.
Claude от Anthropic ценится за человечность, хорошее объяснение на русском и мощный workflow-режим, но имеет строгую политику банов.
Grok от xAI показал себя как способная и менее цензурируемая модель, удобная для итерационной работы.
Эффективная работа с лимитами токенов и обход сейфти-фильтров — критически важный навык.
Индустрия движется к нишевизации моделей и возможному объединению frontier-моделей в единых клиентах (как Cursor).

Стратегии работы с лимитами и Fable 5

Автор активно использует «циклы» для максимального расходования недельных лимитов на Fable 5, планируя задачи на несколько дней вперед.
Важная тактика: Необходимо правильно «погружать» модель (например, Codex) в контекст, чтобы избежать сканирования всей кодовой базы и срабатывания сейфти-фильтров. Нужно указывать на конкретную задачу для доделки, а не начинать с нуля.
Сообщено о сбросе лимитов у Claude, что открывает окно для интенсивной работы.

Сравнение моделей и их сильные стороны

GPT / Codex (Fable 5):
- Сильные стороны: Невероятно умна, отлично справляется с ревью кода, поиском багов, приземляет слишком абстрактные идеи.
- Слабые стороны: Часто «зажата», переполнена англицизмами, имеет жесткие сейфти-фильтры, которые сложно обойти. Может «дрифтовать» при длительных задачах.
Claude (Opus):
- Сильные стороны: Очень «человечный», отлично объясняет на русском, имеет удобный встроенный workflow-режим для разбивки задач, менее строгий в кодинге.
- Слабые стороны: Строгая политика банов аккаунтов (особенно кардинговых), может быть слишком «распиздяйным» и нуждаться в перепроверке.
Grok:
- Сильные стороны: Менее цензурируемый, способный, позволяет общаться более свободно («эй, братан, проверь...»). Думает дольше (15-20 мин), но качественнее.
- Контекст: Стал доступен за пределами США, интегрирован в клиент.
Gemini:
- Упоминается как полезная для задач, которые другие модели отказываются выполнять (например, очистка логов от чувствительной информации). Однако базовая версия (Gemini 1.5 Flash) критикуется за неадекватные действия (например, случайный git drop).

Практические кейсы и наблюдения

Пример с драйверным спуфером: Только Grok смог найти низкоуровневые баги и доделать сложную задачу по HVD spoofer.
Проблема сейфти-фильтров: Когда Codex срабатывает на безопасность, он записывает триггер в лог и в дальнейшем сканирует его с начала каждого чата, что усложняет работу.
Работа в команде моделей: Идеальный пайплайн — поручить креативную часть или черновую работу Claude, а затем отдать результат на строгое ревью в Codex.
Особенность Claude: Модель может настойчиво предлагать пользователю пойти спать, если работа происходит поздно ночью.

Тенденции рынка и бизнес-модель

Объединение интерфейсов: OpenAI сливает Codex и ChatGPT в один клиент (ChatGPT Work), добавляя функции браузера и компьютера. Это шаг к привлечению массовой офисной аудитории, а не только кодеров.
Гипотеза о финансах: Большинство пользователей платящих подписок не выжигают свои лимиты полностью. За счет них субсидируются активные пользователи (аналогично модели спортзалов).
Нишевизация: Компании будут искать свои специализации (кодинг, генерация изображений, 18+ контент и т.д.).
Будущее Cursor: Обсуждается возможность, что после покупки Илоном Маском, в Cursor будут интегрированы все frontier-модели (Grok, GPT, Claude), так как Маску нужна загрузка для своих дата-центров.
Китайский рывок в видео-генерации: Объясняется наличием качественного датасета (TikTok), ранним сбором данных с YouTube и большими инвестициями в алгоритмы-энхансеры и классификацию.

Риски и технические детали

Баны аккаунтов: Claude активно банит, особенно аккаунты, купленные через кардинг. GPT в этом плане лояльнее, но баны возможны при злоупотреблениях.
Стоимость эксплуатации: Генерация видео (как у Meta) и содержание супер-моделей вроде GPT-6 (тренировка которой, по слухам, стоит ~$400 млн) — крайне дороги. Ожидается, что компании выйдут в прибыль не раньше 2030 года.
Проблема контекста: У GitHub-коннектора ChatGPT есть баг — при обновлении файла в чате, модель может продолжать работать со старой версией из своего сэндбокса.

Выводы:

Инструментарий расширяется: Ключ к эффективности — умение использовать сильные стороны каждой модели (Claude для дизайна и идей, Codex для ревью, Grok для «грязных» задач).
Лимиты управляемы: Успешная работа требует активного планирования циклов использования и тактик для обхода системных ограничений.
Индустрия консолидируется: Наблюдается тренд на объединение интерфейсов и возможное создание «супер-клиентов» с доступом ко всем основным моделям.
Экономика решает: Дороговизна разработки и эксплуатации frontier-моделей будет формировать рынок, приводя к нишевизации и поиску устойчивых бизнес-моделей.