Какие ИИ-агенты и модели держать в рабочем наборе: опыт автора @neuro_channel
Автор Telegram-канала @neuro_channel рассказывает, какие ИИ-агенты и модели он использует и для чего: Codex с Sol, Claude Code с Opus 5.5, Kimi Code, agy с Argon, GLM-5.3 и DeepSeek. Редакция добавила цены, лимиты и бенчмарки с источниками.
Этот текст — колонка Алексея, автора Telegram-канала @neuro_channel. Основа — его пост от 5 ноября: какие ИИ-агенты и модели он держит в рабочем наборе и под какие задачи. Оценки в нём субъективные, автор прямо говорит, что это ощущения от работы «без бенчмарков и доказательств». Мнение автора мы оставили как есть и выделили цитатами; всё остальное — вступление, справки о ценах, лимитах, контексте и бенчмарках, таблицы и графики — добавила редакция по официальным страницам вендоров и независимым лидербордам, с указанием, кто мерил.
Повод для разговора — октябрьская волна блокировок аккаунтов Claude. Мы разбирали, что из «утечки» о банах подтверждается документами Anthropic, а автор в канале сам разбирал источник этой «утечки» и показывал сервис, который оценивает риск бана по IP. Когда доступ к одному вендору перестаёт быть гарантированным, вопрос «какую модель выбрать» превращается в вопрос «из чего собрать набор». Отсюда и формат: не «какая модель лучше», а «кто за что отвечает в одном рабочем наборе».
Рабочая лошадка: GPT-6.1 Sol в Codex — задачи по готовому ТЗ и ревью; GPT-6 Astra автор считает «дорогим Sol».
Самая умная: Claude Opus 5.5 в Claude Code — выбор по умолчанию, «если антропики не забанили».
Автономная работа под ключ: Kimi Code с K3.1 — план, вопросы, затем работа без наблюдения; работает без VPN.
Токен-тяжёлая рутина: GLM-5.3 в Crush и Pi — поиск, разведка по коду, саммари, лишнее ревью.
Общение с людьми и API: GPT-6.1 Terra и DeepSeek V4.1 — боты и автоматизация, где нужен дешёвый API и хороший русский.
По поводу всех этих банов и выбора между разными моделями: поделюсь с вами моим текущим набором и ощущениями от работы разных агентов. Вот без бенчмарков и доказательств, мой субъектив.
Codex и GPT-6.1 Sol: что автор называет «работягой на каждый день»
Codex Sol 6.1 — работяга на каждый день. Много лимитов, отлично делает по готовому ТЗ конкретные задачи, прекрасно проводит ревью. Эдакий выбор по умолчанию, если нет отдельных вводных. Главный минус — плохо держит долгие сессии, ходит кругами и перепроверяет по десять раз. Про промты и инструкции мне тут не говорите — я сравниваю ощущения при прочих равных, то есть все модели плюс-минус в одной среде с инструкциями по всем лучшим практикам.
Справка редакции
Источники проверены 05.11.2026
Модель
GPT-6.1 Sol (gpt-6.1-sol), OpenAI, анонс: «почти интеллект Astra за пятую часть цены»
Цена API
$2 вход, $10 выход, $0,10 кэшированный вход за 1 млн токенов (страница цен); запросы длиннее 272 тыс. токенов — вдвое дороже на входе и в 1,5 раза на выходе
Контекст
1,05 млн токенов общего контекста в API; в Codex и ChatGPT Work по умолчанию 500 тыс., без доплаты за длинный контекст из подписки (карточка модели)
Подписки
Codex входит в ChatGPT Plus, Pro за $100, $200 или $500 в месяц, Business — $20 за пользователя в месяц при годовой оплате или $25 при помесячной (тарифы Codex); с декабря чат ChatGPT и Codex будут расходовать общий лимит
Codex Astra 6 — верный способ потратить все токены быстро. Не вижу особых плюсов по сравнению с Sol. На старте после запуска была хорошая модель, сейчас выглядит как дорогой Sol.
Справка редакции
Источники проверены 05.11.2026
Модель
GPT-6 Astra (gpt-6-astra), флагман OpenAI; в ChatGPT Pro на нём работает режим Pro reasoning
Цена API
$10 вход, $50 выход, $1 кэшированный вход за 1 млн токенов — вход и выход в 5 раз дороже Sol, чтение кэша в 10 раз (страница цен); при входе длиннее 272 тыс. токенов вход и кэш вдвое дороже, выход в 1,5 раза
Контекст
1,05 млн токенов общего контекста в API
Бенчмарки
Terminal-Bench 4.0: 58,2% в Codex, столько же, сколько у Sol, по tbench.ai; Intelligence Index v5: 57 против 55 у Sol при $6,24 за задачу против $1,27 (Artificial Analysis). Сама OpenAI в анонсе Sol пишет, что на DeepSWE v1.1 Sol «догоняет Astra примерно за пятую часть стоимости»
Цифры здесь на стороне автора: по двум независимым замерам разница между Astra и Sol укладывается в два балла индекса и ноль процентных пунктов на Terminal-Bench, а стоимость задачи отличается почти в 5 раз. Где Astra всё же впереди по данным Artificial Analysis — научные задачи в терминале (63% против 58% у Sol на Terminal-Bench-Science) и физика CritPt v2 (72% против 69%).
Цена API за 1 млн токенов, стандартный тариф без кэша; у Gemini 4 Argon вводная цена до 30 ноября, у DeepSeek — пиковый тариф; у трёх моделей OpenAI запросы с входом длиннее 272 тыс. токенов стоят вдвое дороже на входе и в 1,5 раза на выходе. График: Proglib по данным страниц цен OpenAI, Anthropic, Google, Moonshot AI, Z.ai и DeepSeek на 05.11.2026
GPT-6.1 Terra: дешёвая модель для общения с клиентами
Codex Terra 6.1 — отличный вариант, если нужно человеческое общение и надо сэкономить. Использую через API в системах автоматизации, где надо, чтобы модель умная была и нормально с клиентами общалась. Хорошо управляет субагентами.
Справка редакции
Источники проверены 05.11.2026
Модель
GPT-6.1 Terra (gpt-6.1-terra), вышла 26 октября; OpenAI позиционирует её как быструю модель для computer use, картинок и текстов (карточка)
Цена API
$1 вход, $5 выход, $0,05 кэшированный вход за 1 млн токенов — вдвое дешевле предыдущей GPT-5.6 Terra на входе
Контекст
1,05 млн токенов общего контекста, запросы длиннее 272 тыс. токенов на входе считаются по повышенному тарифу; глубина рассуждений от none до max; инструменты только через Responses API
Бенчмарки
В Intelligence Index v5 — самая дешёвая из десяти лучших моделей: $0,96 за задачу (Artificial Analysis); на FrontierCode 2.0 — 42%, вровень с Astra и Sonnet 5.5 и на 4 пункта ниже Opus 5.5. В Terminal-Bench 4.0 на tbench.ai не замерена
Antigravity CLI и Gemini 4 Argon: «спасатель», когда остальные облажались
Agy Gemini Argon — спасатель на случай, когда остальные агенты облажались. Единственный, кто общается со мной как с человеком без пустых оправданий и включает в вопросы всё, что мне нужно знать для принятия решения, а не вот эти вот «Так что там по третьему вопросу? Мне сделать правильно или неправильное решение тебя устроит?». Лучшая модель и харнес для управления другими агентами.
Справка редакции
Источники проверены 05.11.2026
Харнес
agy — Antigravity CLI, консольный мультиагентный харнес Google. С 18 июня 2026 года бесплатный доступ и планы Google AI Pro/Ultra переехали в него из Gemini CLI, который Google теперь не рекомендует для Gemini 4 (README Gemini CLI)
Модель
Gemini 4 Argon, открытый доступ с 13 октября (анонс Google); 28 октября Google анонсировала следующий флагман Gemini 4 Carbon
Цена API
Вводная до 30 ноября: $2 вход и $10 выход за 1 млн токенов, кэш на 95% дешевле; с 1 декабря $4 и $20. В бесплатном уровне Gemini API модели нет, считаются и токены размышлений (цены Gemini API)
Подписки
Google AI Pro $19,99, Ultra $99,99 и $199,99 в месяц с «расширенным» и «повышенным» доступом к Argon в Antigravity (планы Google AI); лимиты в запросах Google не публикует
Бенчмарки
Intelligence Index v5 от 27 октября: 50 баллов на high, следом за пятёркой моделей Anthropic и OpenAI; лучший результат среди всех моделей на AutomationBench-AA — 78% (Artificial Analysis). Публичного замера Terminal-Bench 4.0 у Google нет
Из России
России нет в списке стран, где доступен Gemini API
Kimi Code и K3.1 Pro: автономная работа и оплата картой «Мир»
Kimi K3.1 — лучший комплект харнес+модель для автономной работы. Не самая умная модель в целом, но если есть продуктовая задача, то Kimi лучше всех может её спланировать, задать вопросы, утвердить план и потом перейти в автономный режим, где он реально ничего не спрашивает и доводит до рабочего решения. Ну и работает без VPN, чинит другие харнесы, если что-то ломается.
Справка редакции
Источники проверены 05.11.2026
Харнес
Kimi Code CLI Moonshot AI; с версии 2.3.2 субагенты и рои включаются только явно — автор канала писал, что модель «очень прожорливая и неделя уходит за день»
Модель
Kimi K3.1 Pro: MoE, 104 млрд активных из 2,8 трлн параметров, контекст 1 млн токенов; веса выложены в начале ноября, к обещанному сроку, под лицензией с разрешением коммерческого использования (блог Moonshot)
Цена API
$2 вход, $10 выход, $0,20 кэшированный вход за 1 млн токенов; версия Highspeed — $4 и $20 (цены Kimi API)
Подписки
Plus $19, Pro $39, Max $99, Ultra $199 в месяц, при годовой оплате дешевле на 20% (тарифы); по посту автора, Kimi Code входит уже в Plus
Бенчмарки
Terminal-Bench 4.0: 65,7% по замеру Moonshot в харнесе Claude Code против 66,4% у Opus 5.5 по замеру Anthropic; Intelligence Index v5 от 27 октября: 46 баллов — лучшая среди моделей с открытыми весами (тогда ещё не выложенными), на 12 баллов ниже лидера (Artificial Analysis)
Из России
Сайт открывается без VPN, подписку можно оплатить картой «Мир»: редакция «Код.ру» проверила это сама, Plus обошёлся в 1652 рубля
Подробнее о модели, её бенчмарках и отключённых по умолчанию роях субагентов — в нашем разборе Kimi K3.1 Pro. Одно уточнение к посту: в линейке K3.1 пока базовая модель K3.1 Pro и её быстрый вариант Highspeed; в Kimi Code работает K3.1 Pro.
Terminal-Bench 4.0: доля решённых задач, %. Для Opus 5.5 показаны оба замера — независимый лидерборд tbench.ai и собственный замер Anthropic; Kimi и DeepSeek на лидерборде нет, цифры из блога Moonshot AI и карточки модели DeepSeek на Hugging Face. Terra и Argon в этом бенчмарке не замерены. График: Proglib по данным tbench.ai, Anthropic, Moonshot AI и DeepSeek
Claude Code и Opus 5.5: «нейтральное добро», если не забанили
Claude Opus 5.5 — нейтральное добро, модель без явных преимуществ в чём-то, просто самая умная из всех в целом, управляет другими моделями нормально, лимитов вполне хватает. Выбор по умолчанию, если антропики не забанили. Особенно если субагентов настроить из Codex и GLM.
Справка редакции
Источники проверены 05.11.2026
Модель
Claude Opus 5.5, первая модель семейства Claude 5.5; по словам Anthropic, работает на уровне Fable 5.1 и обходится на 40% дешевле Opus 5 (анонс)
Цена API
$4 вход, $20 выход, $0,20 чтение кэша за 1 млн токенов (цены Anthropic)
Контекст
1 млн токенов, до 128 тыс. токенов на выходе (обзор моделей)
Подписки
Pro $20 в месяц, Max $100 с 5-кратным лимитом Pro на 5 часов и на неделю, Ultra $200 с 10-кратным недельным лимитом и без 5-часового окна для проверенных аккаунтов (тарифы)
Бенчмарки
Terminal-Bench 4.0: 64,8% в Claude Code, 1-е место лидерборда tbench.ai (66,4% по замеру Anthropic); Intelligence Index v5 от 27 октября: 58 баллов, 1-е место, $10,04 за задачу (Artificial Analysis); на живой странице сравнения 5 ноября выше только новая Gemini 4 Carbon
Из России
России нет в списке поддерживаемых стран Anthropic; с 12 ноября Usage Policy разрешает ограничивать доступ по подозрению в нарушении — подробности в нашем разборе
Artificial Analysis Intelligence Index v5, сводка от 27 октября 2026 года (к 5 ноября значения на живой странице сменились: Opus 5.5 — 59, DeepSeek — 33, лидер — Gemini 4 Carbon с 60), баллы при максимальном усилии рассуждений (Argon — high). GPT-6.1 Terra в опубликованной сводке без балла, поэтому на графике её нет. График: Proglib по данным Artificial Analysis
Index v5 — составной рейтинг Artificial Analysis, где 60% веса дают закрытые наборы задач: FrontierCode 2.0 и Terminal-Bench 4.0 за код, Terminal-Bench-Science и CritPt v2 за науку, AA-Briefcase и GDP.pdf за офисную работу. По их же подсчётам на 27 октября, Sol отстаёт от Opus 5.5 на 3 балла при стоимости задачи в 8 раз ниже; к 5 ноября на живой странице сравнения Artificial Analysis лидер уже сменился — Gemini 4 Carbon с 60 баллами против 59 у Opus 5.5. Но — это, пожалуй, цифровая версия того, что автор формулирует как «Sol по умолчанию, Opus — если не забанили».
Crush, Pi и GLM-5.3: кто ест токены за всех
Crush / Pi GLM-5.3 — работяга на все токен-тяжёлые запросы. Что-то найти, сделать разведку по коду, саммари истории предыдущих сессий, дополнительное ревью «на всякий случай» и т.п. Нереально огромные лимиты и куча бесплатных сбросов. Без этой модели все остальные намного быстрее тратят свой лимит. Так что работать напрямую с GLM я не хочу, но постоянный доступ к GLM у других моделей — маст хев.
Справка редакции
Источники проверены 05.11.2026
Харнесы
Crush — консольный агент Charm на Go; Pi — «минимальный расширяемый харнес» Марио Цехнера. Оба работают с десятками провайдеров и совместимыми API по ключу
Модель
GLM-5.3 от Z.ai, открытые веса; по словам компании, на 50% лучше GLM-5.2 на внутреннем Z.ai Code Bench, Terminal Bench 3.0 — 28,3% (блог Z.ai)
Цена API
$1,40 вход, $0,26 кэшированный вход, $4,40 выход за 1 млн токенов; GLM-5.3-Flash — $0,15 и $0,50 (цены Z.ai)
Подписки
GLM Coding Plan от $18 в месяц: Lite — 2000 кредитов за 5 часов и 10 000 в неделю, Pro — 12 000 и 60 000, Max — 28 000 и 140 000; работает в Claude Code, ZCode, Cline, OpenCode и других (описание плана). Бесплатные сбросы лимитов Z.ai раздаёт акциями — автор писал о них в октябре
Бенчмарки
Terminal-Bench 4.0: 41,8% в Claude Code, 9-е место лидерборда tbench.ai (GLM-5.3-Flash — 35,8%); Intelligence Index v5 от 27 октября: 32 балла, вровень с DeepSeek V4.1 Flash — лучшие среди моделей с уже опубликованными весами, но ниже Claude Haiku 5.5 с 36 (Artificial Analysis)
Из России
Региональных ограничений в документации Z.ai нет
DeepSeek V4.1 через API: когда подписки нельзя
API DeepSeek 4.1 — везде, где нельзя использовать подписки и нужен API. Недорого, быстро, хороший русский язык. По сочетанию цена/качество выбор номер один, все боты и агенты для сотрудников на этой модели или на фьюжен-схеме с Terra + DeepSeek.
Справка редакции
Источники проверены 05.11.2026
Модель
DeepSeek-V4.1-Flash-1017, в API под именем deepseek-flash; контекст 1 млн токенов, до 384 тыс. на выходе, режимы с размышлением и без (документация)
Цена API
Пик: $0,30 вход без кэша, $0,006 с кэшем, $1,20 выход за 1 млн токенов; вне пика (включая выходные) вдвое дешевле: $0,15 и $0,60. Пик — 01:00–04:00 и 06:00–10:00 UTC по будням, кроме государственных праздников Китая
Бенчмарки
Terminal-Bench 4.0: 42,3% в харнесе Claude Code по замеру DeepSeek (карточка модели); Intelligence Index v5 от 27 октября: 32 балла, лучшая среди моделей с уже опубликованными весами по версии Artificial Analysis (5 ноября — 33); FrontierCode 2.0 — 28%
Совместимость
API в форматах OpenAI и Anthropic, работает как бэкенд Claude Code, Copilot и OpenCode без изменения кода
Из России
Региональных ограничений в документации DeepSeek нет
Другие модели на постоянке не использую, иногда ситуативно что-то через API, если мои внутренние бенчи показывают, что эта модель хороша для задачи.
Какую задачу какой агент закрывает: сводная таблица
Задача
Агент и модель
Почему, по словам автора
Конкретная задача по готовому ТЗ, ревью
Codex, GPT-6.1 Sol
Много лимитов, выбор по умолчанию; плохо держит долгие сессии
Самая сложная работа, управление другими моделями
Claude Code, Claude Opus 5.5
«Самая умная из всех в целом»; выбор по умолчанию, если не забанили
Когда остальные агенты не справились; управление агентами
Antigravity CLI (agy), Gemini 4 Argon
Общается как с человеком и даёт всё нужное для решения
Продуктовая задача под ключ без наблюдения
Kimi Code, K3.1 Pro
Планирует, задаёт вопросы, затем доводит автономно; без VPN
Поиск, разведка по коду, саммари, лишнее ревью
Crush или Pi, GLM-5.3
Огромные лимиты и бесплатные сбросы; бережёт лимиты остальных
Автоматизация с общением с клиентами
API, GPT-6.1 Terra
Умная и дёшево общается по-человечески; управляет субагентами
Боты и агенты для сотрудников, где нужен API
API, DeepSeek V4.1 (или Terra + DeepSeek)
Недорого, быстро, хороший русский
Трата токенов
Codex, GPT-6 Astra
Не видит плюсов относительно Sol
Если сложить справки, картина набора выглядит так: два флагмана (Opus 5.5 и Argon) на сложное и на «спасение», одна модель на поток (Sol), две дешёвые на автоматизацию (Terra, DeepSeek), одна с большими лимитами на черновую работу (GLM-5.3) и одна, подписку на которую «Код.ру» оплатил картой «Мир» (Kimi). Цены и лимиты в справках — данные вендоров на 5 ноября 2026 года; у Google вводный тариф Argon заканчивается 30 ноября, у Anthropic новая Usage Policy вступает в силу 12 ноября, так что через месяц расклад может быть другим.
Мнение автора приведено по посту в @neuro_channel от 5 ноября 2026 года с минимальной литературной правкой. Справки, таблицы и графики подготовила редакция Proglib по официальным страницам вендоров и лидербордам Artificial Analysis и tbench.ai; ошибки в них — на редакции, а не на авторе.