Claude и ChatGPT для кода сравнили на 8 задачах
На одинаковых задачах по программированию четыре модели — Claude Opus 5.5, Claude Sonnet 5.5, ChatGPT 6 Astra и ChatGPT 6.1 Sol — справились с кодом с первой попытки. Разница оказалась не в правильности, а во времени ответа, цене и том, как именно модели строили решение.
Что именно проверяли
Тест был построен на восьми типовых задачах: исправление бага по жалобе, написание функции по техническому заданию, SQL-отчёт, рефакторинг без изменения поведения, код-ревью и ещё три задачи с ловушками, которые не подсказывались в условии. Все ответы прогоняли через скрытые тесты, которых модели заранее не видели.
Проверка прошла 19 октября 2026 года в LLM-студии SYNTX.AI. Для каждой задачи и каждой модели использовался новый чат, а условия были одинаковыми: включённое размышление, доступ к инструментам и до трёх попыток на задачу. В итоге хватило одной попытки на каждый ответ.
Главный вывод: по качеству вышла ничья
На этих задачах ни одна модель не показала заметного преимущества по точности. Все четыре справились со всеми заданиями, а различить их по качеству результата оказалось невозможно. Поэтому для обычных рабочих сценариев вроде бага, SQL или рефакторинга выбор зависит не столько от «умнее или слабее», сколько от цены и скорости.
Интересно, что младшие модели в линейках не уступили старшим. Sonnet 5.5 и ChatGPT 6.1 Sol в этом тесте выглядели не хуже флагманов, а сравнение между ними особенно честное: у них одинаковая стоимость — $2 за миллион входных токенов и $10 за миллион выходных.
Чем отличались решения на практике
Разница проявилась в деталях. По времени ответа на все задачи ушло от 8 до 28 минут, а по цене за токен разброс доходил до 5 раз. При этом флагман ChatGPT 6 Astra был в 2,5 раза дороже Opus по токенам, но по данным Artificial Analysis в режиме максимального усилия мог оказаться дешевле за задачу.
По стилю кода модели тоже расходились. В задачах с простыми числовыми проверками Astra и Sol нередко брали более тяжёлый, но надёжный путь через BigInt, а Claude чаще выбирал более короткие и аккуратные решения. В SQL одна модель собрала расчёт через UNION ALL, а две модели Claude разделили продажи и возвраты по подзапросам. Для разработчика это полезно тем, что можно выбирать не только по точности, но и по читаемости и стоимости результата.
Что это значит для работы
Если вам нужен ИИ для типовых задач по коду, то главный вопрос — не «какая модель вообще победила», а «какая быстрее и дешевле решит именно мою задачу». Для коротких правок, SQL-запросов и рефакторинга разница в качестве может быть минимальной, зато разница в цене и времени заметна.
Такие сравнения полезны предпринимателям, маркетологам и офисным сотрудникам тоже: они показывают, что ИИ можно использовать не только для текста, но и для рутины в разработке, аналитике и проверке логики. В некоторых сценариях выгоднее взять модель попроще, если она уже даёт тот же результат без лишних затрат.