Новейшие AI-модели в середине 2026: frontier сошёлся, и теперь решает цена

Весной мы сравнивали здесь крупные AI-модели, и вывод был однозначным: каждые пару месяцев колода перетасовывается заново. В середине 2026 картина вдруг стала спокойнее — и, как ни странно, интереснее. Frontier-модели во многом сошлись.

Claude Opus 4.8 и Claude Fable 5 от Anthropic, модели поколения GPT-5.x от OpenAI, поколение Gemini 3.x от Google — на сложных задачах по коду сегодня они все очень сильны и, что важно, близки друг к другу. Разрыв между 'лучшей' и 'второй по силе' моделью, который год назад вы замечали с первой попытки, сжался до нюансов. И это меняет всю логику выбора для команды разработки.

Frontier во многом сошёлся

Ещё год назад на сложных задачах одна модель заметно опережала остальных, а прочие догоняли. Сегодня иначе: топовые модели Anthropic, OpenAI и Google держатся примерно в одном диапазоне на бенчмарках вроде SWE-bench. На реальной многоэтапной задаче по коду — прочитать репозиторий, предложить изменение, реализовать его через несколько файлов, починить тесты — все три frontier-семейства делают крепкую работу.

Это не значит, что они идентичны. Они различаются стилем, тем, как следуют инструкциям, как ведут себя в длинном контексте и как реагируют на конкретные промпты. Но сама по себе способность перестала быть решающим фактором. Когда три модели 'достаточно хороши' для 95% вашей работы, вы выбираете не ту, что на волосок умнее. Вы выбираете по совсем другим критериям.

Цена и fit теперь решают больше, чем голая мощность

Когда способность выровнялась, на первый план вышли цена, задержка, размер контекста и то, насколько модель ложится на ваш конкретный воркфлоу. При этом разброс в цене огромен — стоимость за миллион токенов между frontier-моделью и более дешёвой mid-tier может отличаться на порядок. Когда вы делаете сотни тысяч запросов в день, это не деталь, а бюджетная статья, которая решает, жизнеспособна ли фича вообще.

На линейке Anthropic хорошо видно, как семейство выстроено именно вокруг fit: Claude Opus 4.8 и Fable 5 — frontier-варианты для самых тяжёлых задач. Claude Sonnet 5 — экономичная рабочая лошадка с большим окном контекста (до 1M токенов), которой с лихвой хватает для подавляющего большинства повседневной работы. А Claude Haiku 4.5 — быстрый дешёвый вариант для больших объёмов и простых задач. Похожую иерархию сегодня предлагает каждый крупный провайдер.

Практическая стратегия роутинга

Лучшие команды сегодня не выбирают одну модель — они направляют работу по сложности. Идея проста: самые тяжёлые задачи отправляйте на frontier-модель, а повседневную работу пускайте на более дешёвой mid-tier или open-weight модели.

• Самые тяжёлые задачи (сложная архитектура, миграции, нетривиальная отладка): frontier-модель — Opus 4.8 / Fable 5, GPT-5.x, Gemini 3.x
• Повседневная работа (обычные фичи, ревью, рефакторинг): экономичная рабочая лошадка — Claude Sonnet 5 или mid-tier конкурента
• Большие объёмы и простые задачи (классификация, извлечение, автокомплит): самый дешёвый tier — Haiku, Flash, mini/nano модели
• Чувствительные данные или давление на затраты: open-weight модель, которую вы хостите сами

Бенчмарк — это модель плюс scaffold, а не модель сама по себе

Это самый недооценённый момент в середине 2026. Когда вы читаете, что некая модель набрала X% на SWE-bench, вы измеряете не одну модель. Вы измеряете модель плюс её agent scaffolding — обвязку вокруг: как она получает файлы в контекст, какие у неё инструменты, как она планирует, сколько раз может повторить попытку, как проверяет собственный результат. Одна и та же модель в двух разных агентных harness'ах может показать заметно разный результат.

На практике это означает две вещи. Во-первых: не сравнивайте цифры из разных источников как сопоставимые — они не сопоставимы, если за ними не стоит один и тот же scaffold. Во-вторых, и это важнее: качество ваших результатов вы часто улучшите сильнее, настроив scaffold (лучше контекст, лучше инструменты, умнее логика повторов), чем переплатив за чуть более мощную модель. Инвестиция в harness переносится между моделями, а инвестиция в одну конкретную модель — нет.

Что команде реально выбрать в середине 2026

Конкретно, без воды. Для большинства команд разработки сегодня имеет смысл такой подход:

• Встаньте на одно frontier-семейство как default — Anthropic, OpenAI или Google. Все три достаточно хороши; выбирайте по цене, экосистеме и по тому, с чем вам удобно работать.
• Повседневную работу роутьте на экономичную рабочую лошадку (например, Claude Sonnet 5 с большим контекстом). Frontier оставьте на тяжёлые моменты.
• Большие объёмы и простые задачи отправляйте на самый дешёвый tier. Разница в затратах — на порядок.
• Рассмотрите open-weight модели (Qwen, GLM) там, где давят затраты или чувствительность данных, — их можно хостить самим. Железу посвящена отдельная статья.
• Не ставьте всё на одного провайдера. Пишите код так, чтобы модель можно было переключить, — рынок всё ещё движется, и lock-in не окупается.

Самый важный сдвиг с весны — ментальный: перестаньте искать 'лучшую модель'. В середине 2026 явно лучшей нет — есть несколько очень хороших, различающихся ценой и стилем. Выигрывает та команда, которая умеет правильно направлять работу, настраивать scaffold и не застревать у одного вендора. Это навыки, которые переживут любую цифру на бенчмарке.