"Вайб-обзор на GPT-5.3 Codex, Opus 4.6, и (бонус) GPT-5.2 (1/2) Тееек, потестил новые модели от OpenAI и Anthropic. Надо сказать, что сравнивать модели становится всё нетривиальнее и дольше, потому что способности подрастают у них у всех, и отличий в качестве исполнения чисто технических задач становится всё меньше. Ну, благо нетривиальных рабочих задач пока что хватает :) tl;dr ● GPT-5.3 Codex - кодер, повседневный инструмент инженера Шустрый, технически прошаренный, дотошный в исполнении выданных инструкций, но это именно исполнитель ● Opus 4.6 - вайб-генералист Быстро что-то сделать с нуля, добавить не самую критичную фичу в существующий проект, но нужно держать в узде, если требуется внимательность и точные изменения ● GPT-5.2 - инженер С ним надёжнее всего планировать, обсуждать варианты решений сложных проблем, и в целом держать проект под строгим контролем Стандартный дисклеймер ● модели тестируются только в составе родных обвязок ● на платных подписках ● reasoning - максимальный (изредка high вместо xhigh в случае GPT) Критерии из таблицы и графика (и почему это вайб-обзор) описаны в предыдущем посте. GPT-5.3 Codex 🟢 Скорость Это прям главное отличие, которое сразу бросается в глаза. На практике некоторые задачи делает в разы быстрее, чем 5.2 и при этом тратит в разы же меньше токенов. При том, что она ненамного хуже 5.2 по интеллекту, это делает её удобной в интерактивном использовании, когда вы быстро получаете результат, не выбиваясь из потока. 🟢 Болтливость Будем считать это плюсом :) Если работать с ней в интерактивном режиме, то модель теперь не сердито сопит и молча что-то делает, а активно ~~сторителлит~~ рассказывает, что происходит. И это удобно в сочетании с фичей Steer mode, когда мы можем добрасывать модели указания, не дожидаясь окончания её работы. Тоже в копилку удержания себя в потоке при интерактивной работе. 🟢 Лучше делает UI/UX Да, стало лучше, чем в семействе 5.2, но Opus 4.6 тут явный лидер. 🟡 Объем и глубина задач Несложные и/или вширь, потому что со сложными/вглубь она скорее всего какие-то нюансы потеряет. Скажем, дать ей какой-то простой рефакторинг типа ""избавься от any в проекте"" - она и сутки может с ним возиться, и таки доведёт до конца. А вот составить полноценный план большой фичи с учётом всех деталей - как повезёт. 🟡 Дотошность исполнения Это отличная модель-исполнитель, но ох, не стоит ей давать необдуманные задачи. Пусть она и не сделает противоречивое и неработающее решение, но ответственно будет следовать абсурдным требованиям. Сюда же - она очень пронырливая, но её нужно об этом явно просить (в отличие от 5.2, которая старается максимум информации собрать сама). 🔴 Рандомность ризонинга Это фишка, которая особенно заметна на Codex-семействе моделей - чем сложнее задача, тем дольше и качественнее она думает. Точка перехода между (терпи, сова) активацией системы 1 и 2 (по Канеману) тут смещена в сторону системы 1 сильнее, чем у базовой модели. Но со стороны это может выглядеть именно как рандомные по времени ответы, плавающие по качеству. Этого стало меньше в сравнении с 5.2 Codex, но это всё ещё есть, хотя в прыжке модель может ризонить не хуже базовой 5.2. Opus 4.6 🟢 Лучше держит контекст По MRCR у неё какие-то фантастические метрики, делающие модель SOTA на этом бенче, но я этого не вижу в работе. Да, стало ощутимо лучше в сравнении с Opus 4.5, но до GPT-5-семейства не дотягивает. Лучше, кстати, стало, как до компактизации, так и после неё - сохраняется больше информации. 🟢 Меньше галлюцинаций и вранья Это отчасти связано с тем, что модель лучше держит контекст, а отчасти с тем, что она чаще делает граундинг на файлы проекта, чтобы не фантазировать о нём. 🟢 Чаще стала задумываться Кому-то может показаться, что модель просто замедлилась, но это влияет на качество на сложных задачах - там, где Opus 4.5 старался дать ответ быстрее, Opus 4.6 даёт его правильнее. __продолжение в следующем посте__ #ai #model #review"