Claude, ChatGPT или Gemini: какую LLM выбрать для разработки

Вопрос «какую LLM выбрать для разработки» звучит так, будто где-то есть один правильный ответ, и надо только его найти. Ответа нет. Есть три-четыре сильные модели, у каждой свой характер, и есть твоя конкретная задача — а у соло-мейкера она почти всегда уже, чем «сделай всё хорошо». Молоток тоже забивает шурупы. Просто плохо.

Я гонял продукты через Claude, ChatGPT и Gemini не в бенчмарках, а в живой работе — когда ночью надо докатить фичу, а модель то тянет, то сыпется. Ниже — честный разбор, где каждая проседает, где вывозит, большая таблица-сравнение и способ выбрать под себя за час, без чтения сорока тредов на реддите. Сразу оговорюсь про правило игры: никаких выдуманных процентов и «исследований показали». Только то, что стабильно вылезает на практике.

Коротко: чем они вообще отличаются

Все три — большие языковые модели от разных лабораторий (Anthropic, OpenAI, Google). На поверхности делают одно и то же: получают текст, отдают текст. Разница вылезает не на «напиши функцию», а на длинных задачах, где важны характер и предсказуемость.

Если совсем грубо, по ощущениям:

• Claude — сильные рассуждения и код, аккуратно держится инструкций, стабильно доводит длинные агентные сессии до конца.
• ChatGPT — широкий кругозор, самая богатая экосистема, много готовых интеграций, плагинов и обвязки вокруг.
• Gemini — очень большой контекст и тесная связка с гугловым стеком (Docs, поиск, облако).

Это не рейтинг «кто круче», а три разных инструмента под три разных настроения задачи. Держи это в голове, когда будешь смотреть на таблицу ниже.

Большая таблица: по каким осям вообще выбирать

Главная ошибка при выборе LLM для разработки — сравнивать «по уму вообще». Ум — не одна ось. Модель может блестяще отвечать в чате и разваливаться на сорока шагах автономной работы. Разложим по осям, которые реально важны соло-мейкеру.

Оговорка, которую нельзя пропустить: это уровень «порядок величин и характер», а не замеры. Конкретные окна контекста, цены и даже расстановка сил между лабораториями меняются раз в пару месяцев. Любая таблица тут — снимок, а не вечная истина. Поэтому в конце — способ проверить лично.

Рассуждения и код

Для сборки продукта это главная ось. Не «умеет ли модель писать функцию» — умеют все, — а держит ли она план на пятьдесят шагов вперёд, не забывает ли, что решила десять сообщений назад, и признаёт ли, когда не уверена.

Здесь Claude традиционно ощущается как senior-инженер: меньше самоуверенных выдумок, аккуратнее с крайними случаями, охотнее скажет «тут я бы перепроверил» вместо того, чтобы уверенно соврать. ChatGPT быстрее выдаёт первый рабочий вариант — хорош, когда нужно набросать каркас, разобрать незнакомую библиотеку или сгенерить болванку под правку. Gemini выигрывает, когда надо переварить гору кода разом: весь репозиторий в один заход, без нарезки на куски.

Одна тонкость, которую новички недооценивают. «Уверенная чушь» опаснее медленного ответа. Модель, которая бодро придумывает несуществующий метод и вставляет его в код с серьёзным лицом, обходится дороже, чем модель, которая честно тормозит и переспрашивает. Ошибку с апломбом ты замечаешь позже всего — обычно уже в проде.

Практический совет: не верь чужим сравнениям на слово, включая моё. Возьми свой самый мерзкий баг — тот, что сам чинил час, — и скорми его всем трём. Кто нашёл настоящую причину, а не переписал полфайла «на всякий случай», тот и твой на такие задачи.

Длинный контекст и надёжность в агентах

Вот где для вайб-кодера прячется настоящая разница. Одно дело — чат «объясни regex». Другое — AI-воркер, который два часа сам гоняет задачу по канбану: читает код, правит, проверяет, снова правит, без твоего участия.

На длинной дистанции решают две вещи, и они не одно и то же:

• Размер контекста — сколько модель удерживает одновременно. Чем больше окно, тем реже теряет нить. У всех трёх лабораторий старшие линейки подобрались к очень большому окну — миллион токенов уже не экзотика. Для агента это буквально значит: он видит весь проект, а не обрывки.
• Надёжность — держит ли модель качество к сороковому шагу так же, как к первому. Большое окно, в котором модель «плывёт» на середине и начинает выдумывать функции, хуже меньшего, но стабильного. Один тихий сбой в автономном прогоне — и разбор последствий съедает больше времени, чем ты сэкономил.

Разница ощущается так. В коротком чате обаяние и остроумие модели заметны. В двухчасовом автономном прогоне они не значат ничего — там ценна скука: ровно, предсказуемо, без «творческих» отклонений от задания. Для агентных задач я смотрю именно на это, а не на «кто ярче отвечает».

Отсюда практическое следствие для соло-проекта: если ты строишь канбан, где карточки двигает не человек, а воркер, выбирай модель по поведению на длинной дистанции. Красноречие тут вторично, надёжность — всё.

Экосистема и интеграции

Ось, про которую забывают, пока не упрутся. Модель живёт не в вакууме — вокруг неё SDK, инструменты, редакторы, готовые обвязки. Иногда «чуть слабее в рассуждениях, но есть ровно тот плагин, что мне нужен» побеждает «умнее, но всё пилить руками».

• ChatGPT — самая широкая экосистема: плагины, зрелые SDK, гора туториалов и чужого кода, который можно подсмотреть.
• Claude — экосистема моложе, но быстро растёт именно в кодинг- и агентных сценариях; сильная сторона — инструменты для автономной работы.
• Gemini — выигрывает, если ты уже живёшь в Google-стеке: Docs, поиск, Cloud связаны плотно и без швов.

Для соло-мейкера вывод простой: если вокруг задачи уже есть готовая обвязка под конкретную модель — это весомый аргумент. Время, сэкономленное на интеграции, часто перевешивает пару процентов «качества» в самих ответах.

Скорость и цена

Две вещи, которые для соло-проекта решают не меньше интеллекта, а иногда и больше.

Скорость меняет сам стиль работы. Когда ответ приходит за секунду, ты остаёшься в потоке. Когда ждёшь двадцать секунд — рука тянется к телефону, и мысль теряется. У всех трёх есть лёгкие быстрые модели под простое и тяжёлые под сложное. Смысл не в том, чтобы всегда брать быструю, а в том, чтобы не гонять тяжёлую туда, где хватит лёгкой.

Цена считается не за один запрос, а за месяц реального использования. Тяжёлая модель на каждый чих — это счёт, от которого потом неуютно. Разумная схема: рутину (переименовать, отформатировать, накидать болванку) отдавать модели полегче, а тяжёлую беречь для задач, где реально нужна голова.

Именно поэтому полезно с самого начала видеть, во что обходится каждая фича — деньги проекта простым языком экономят потом много нервов. «Умная модель на всё» ощущается роскошью ровно до первого счёта, а дальше начинается инженерия: где реально нужна голова, а где хватит рефлексов.

Как выбрать под себя за час

Не устраивай исследование на неделю. Модели меняются быстрее, чем ты закончишь сравнительную таблицу. Сделай проще и честнее:

1. Возьми три свои настоящие задачи — не игрушечные. Одна на код, одна на текст, одна длинная (репозиторий или большой документ).
2. Прогони через кандидатов с одинаковым промптом. Одинаковым — это важно, иначе сравниваешь не модели, а свои формулировки.
3. Смотри не на «вау», а на скучное: сколько раз пришлось переспрашивать, сколько исправлять вручную, где модель тихо соврала с уверенным лицом.

Тот, после кого ты меньше переделываешь, и есть твой выбор — для этой задачи, на сегодня. Не «лучший в мире», а «лучший под мою работу этой недели».

И ещё: не обязательно выбирать навсегда одну. Многие держат две — быструю на рутину и сильную на сложное. В ProjectsFlow Claude встроен прямо в платформу (без VPN и своих ключей), поэтому проверить его на своих задачах можно за минуты, не заводя аккаунт у провайдера и не привязывая карту. Но сам подход «пробуй под свою задачу» — не про конкретный бренд, а про здравый смысл.

Вывод

«Лучшей LLM для разработки» в вакууме не существует — есть лучшая под твою задачу и твой бюджет. Рассуждения и код, длинный контекст, надёжность в агентах, экосистема, скорость, цена — это разные оси, и почти никогда одна модель не выигрывает по всем сразу. Кто топ в чате, не обязательно топ в двухчасовом автономном прогоне.

Не ищи победителя в чужих таблицах, включая эту. Возьми свои реальные задачи, потрать час на честный прогон и выбирай по тому, после кого меньше переделываешь. А через полгода перепроверь — модели устаревают медленнее, чем статьи вроде этой, но обе устаревают.