Модели

Что такое модель

Модель, или большая языковая модель (LLM), обучена на огромном объёме текстов. Тексты переведены в числа и сведены к вероятностям: модель похожа на сжатый архив того, что написали люди.

Сама модель умеет одно: продолжать текст. Ей дают начало, она выдаёт самое вероятное продолжение. На «Я тебя…» самое вероятное продолжение «люблю». Так же модель отвечает на вопрос, пишет письмо или план: слово за словом выбирает то, что вероятнее всего идёт дальше.

Текст модель читает и пишет кусками, токенами: токен это слово или часть слова. В токенах считают цену модели и контекст, то есть объём текста, который модель видит за один раз. Модель выбирает один следующий токен, добавляет его к тексту и выбирает ещё один. Так модель пишет и ответ, и просьбу запустить инструмент: программу, которая создаёт файл, ищет в сети или выполняет команду.

Модели различаются размером и обучением, как ученик после школы и после университета. Большая модель умнее, но стоит дороже: на каждый ответ уходит больше электричества и мощностей. Поэтому сложную задачу отдают сильной модели, а простую и частую отдают модели поменьше.

Что модель умеет сама и что ей даёт харнес

Модель похожа на эрудита в комнате без окон. Знает много, но видит только записку, которую вы просунули под дверь. Эта записка и есть контекст.

Инструменты запускает харнес: он создаёт файл, открывает программу и приносит результат обратно в контекст. Знания модели заканчиваются датой обучения. Свежую новость или новую цену она получит только через веб-поиск, если харнес его даёт.

Спросите агента прямо, с чем вы работаете.

Какая ты модель, в каком харнесе работаешь и сколько контекста у тебя свободно? Где заканчиваются твои знания?

Источник: новый промпт книги.

Источник ответа: пример ответа, написан для главы.

Про свободное место агент может ошибиться. Точную цифру показывают команды из главы «Контекст»: /context в Claude Code и /status в Codex.

Цифры на 27 октября 2026

Модели выходят каждую неделю, и с выходом новой версии строка о старой устаревает. Перед покупкой подписки или запуском большой задачи сверьте цену на сайте вендора, то есть компании, которая выпустила модель.

Цены в таблицах указаны в долларах за миллион токенов: первое число за вход (то, что агент читает), второе за выход (то, что он пишет). Если оценку модели даёт только сам вендор, в колонке «Оценка» так и написано. Такую оценку проверяйте на своей задаче.

Как прочитать название модели

По названию видно, на какой ступени модель стоит в своей линейке. Чем выше ступень, тем модель сильнее и дороже. У Anthropic снизу вверх: Haiku, Sonnet, Opus, Fable. У OpenAI: Luna, Terra, Sol, а над ними Astra для самого трудного рассуждения. Число в названии означает поколение: чем оно больше, тем модель новее. Поколение GPT-6.1 вышло позже GPT-6.

Что умеет каждая

Цифры в скобках это даты релиза.

Где доступна и сколько стоит

У большинства моделей в таблице контекст миллион токенов, у Grok 4.7 пятьсот тысяч.

Как выбирать

На старте хватит одной сильной модели, об этом первый раздел. Когда ищете замену или исполнителя подешевле, рейтинг подскажет кандидатов. Решает проба: возьмите три подходящие модели и дайте каждой одну и ту же задачу в вашем харнесе.

Начните с сильной модели

Первое время берите сильную модель, например Opus 5.5, и не жалейте денег на лимиты. Сначала выжмите из неё всё, потом оптимизируйте расходы. Fable 5.1 стоит в два с половиной раза дороже Opus 5.5, а по заявке Anthropic Opus 5.5 на её уровне. Поэтому Fable берут, когда Opus не справился. Исполнение в любом случае отдают моделям подешевле, об этом следующий раздел.

Раздайте роли

Дорогая модель планирует, дешёвая исполняет. Модель, которая ставит задачу, раздаёт её части и принимает результат, называют оркестратором. Fable в этой роли пишет спецификацию, а разведку, код и ревью отдаёт исполнителям подешевле: модели Sonnet или агенту Codex. За моделями закрепились такие роли:

Замерьте на своей задаче

Одна модель сильна в одном и слаба в другом, поэтому выбор проверяют эвалом: берут задачу с понятным результатом, прогоняют её на нескольких моделях и считают время и деньги. Удобная мера: сколько стоит одна решённая задача, по-английски cost per task. Пример: из записи звонка нужно вытащить задачу в трекер. Допустим, Fable решает её за пятьдесят долларов, а дешёвая модель за шесть центов. Если ответ дешёвой модели подходит, платить за Fable на этой задаче незачем.

Учтите харнес

Одна и та же модель в разных харнесах решает задачи по-разному. По техотчёту DeepSeek, модель DeepSeek Flash в Claude Code решила 69 процентов задач. В том же отчёте та же модель с одним инструментом, терминалом, справилась на порядок лучше, чем с полным набором из 24 инструментов. Рейтинги обычно тестируют модель в её родном харнесе. Вы будете работать в своём, поэтому замеряйте модель там. Как выбрать харнес, разобрано в главе «Харнесы».

Подкрутите усилие

Усилие (effort) задаёт, сколько модель думает перед ответом. Начинайте с medium: так советует гид OpenAI от 02.10.2026, и на medium по умолчанию стоит Opus 5.5. Extra high и max берите, когда не справился high. По замерам Artificial Analysis, у GPT-6.1 Terra лучшее соотношение цены и качества на уровнях low и medium.

Проверьте доступ

Доступ зависит от страны. Qwen доступен из России без VPN. Cursor с 04.09.2026 даёт пользователям из России ошибку региона. Перед покупкой проверьте, что подписка открывается и платёж проходит.

Модель и харнес выбраны, осталось место, где агент работает. Следующая глава показывает, как агент работает на вашем компьютере: в какой папке он открыт и откуда при каждом запуске берёт правила.