Год назад я начал разрабатывать свой проект MetaVision – это «вайбкодер» для 1С:Предприятие 8.3. Почитать о нём можно на моём сайте. Разработка велась с помощью Claude, и за это время я плотно сидел на подписке Sonnet. Недавно случилось ожидаемое: меня заблокировали. Причём не в момент продления, а за две недели до окончания оплаченного периода. Я остался без рабочего инструмента посреди рабочего цикла.
Это и стало причиной, по которой я начал искать альтернативы. Не «ещё одну нейросеть для экспериментов», а рабочую замену, на которой можно продолжать разработку. Меня не устраивает ситуация, когда ты платишь за подписку и в любой момент провайдер может отрубить тебя в одностороннем порядке. Хотелось найти набор моделей, в котором риск подобного сценария размазан по нескольким независимым вендорам.
В этой статье – мой субъективный опыт. Я не претендую на академическую точность, не гоняю модели на бенчмарках и не сравниваю цены построчно. Я разработчик, я писал реальный код на Java, ковырял чужой код, правил GUI и проверял модели в условиях, приближенных к боевым. Если вам интересно, что из этого вышло, – добро пожаловать.
Критерии оценки
Я отбирал модели по тому, что реально нужно программисту, а не по маркетинговым презентациям:
- Программирование на Java. Синтаксис, многопоточность, работа с коллекциями, понимание Gradle, рефакторинг больших классов.
- Понимание GUI. Это важно: модель должна понимать, что у JavaFX-приложения есть не только классы, но и FXML, CSS, и что окно – это не просто рамка с текстом.
- Адекватная реакция на команды. Не «извините, я не могу», а реальное выполнение задачи. Если задача непонятна – нормальные уточняющие вопросы, а не бесконечные отказы.
- Многошаговое решение задач. Реальная задача – это 10-20 итераций: модель пишет, я проверяю, говорю, что не так, она правит. Должно работать долго, не сдуваясь на середине.
- Ответственность. Модель должна нести ответственность за результат. Если не уверена – пусть скажет. Если уверена – пусть делает без бесконечных «а может, вам стоит ещё подумать».
Теперь по моделям.
DeepSeek
Я использовал DeepSeek по API. На бумаге – отличная модель, китайский ответ GPT. На практике – слабовато. Java-код пишет, но небрежно: часто пропускает обработку исключений, ленится с многопоточностью. Понимание GUI – на уровне «можно написать Swing-форму с кнопкой, и она нажмётся». Для серьёзных JavaFX-проектов с FXML, контроллерами и стилями контекста не хватает.
Из плюсов: цена, доступность, большое комьюнити. Если нужно быстро сгенерировать простой скрипт или решить учебную задачу – вполне сгодится. Если вы пишете серьёзный проект на Java с графическим интерфейсом – нет.
GLM 5.3 Flash
GLM я взял с подпиской на месяц. В первые дни показался очень толковым: понимает задачу, не задаёт лишних вопросов, пишет приличный код. По Java почти не уступает Claude, по GUI – даже неплохо.
Но на третьей неделе использования я окончательно разочаровался. Стал замечать, что модель косячит в простых вещах: то теряет контекст между итерациями, то «забывает» структуру проекта. И главное – многошаговые задачи она решает плохо. Где-то на пятом-седьмом шаге начинает плыть и сдаётся.
Подписку я догулял до конца и больше не продлевал.
Qwen 3.8
Qwen случайно затесался в мой список – посмотрел из любопытства. Почти сразу отбросил. Супер слаб. Понимание Java посредственное, GUI не понимает вовсе. Команды воспринимает буквально, контекст теряет мгновенно. По моим ощущениям – это уровень «помощник для простых задач», и то с натяжкой. Для серьёзной разработки не годится.
MiniMax
MiniMax был на слуху, мелькал в рейтингах, я и купил подписку. Ожидал большего. По итогам тестирования я бы поставил ему твёрдую тройку.
Да, он в чём-то лучше GLM: понимает команды точнее, меньше косячит в простых вещах, иногда проявляет инициативу. Но всё равно тупой как пробка. На сложных задачах косячит регулярно. Хотя – что важно – понимает, чего от него хотят, и раза с пятого задачу всё-таки решает. Но не все задачи может решить в принципе: упирается в свои лимиты и честно это признаёт. Я использовал модель M3, она показалась мне наиболее сбалансированной в линейке.
Это точно не уровень Claude Sonnet. Если вы пишете серьёзный проект – нет.
Kimi
Kimi я купил с самой дешёвой подпиской, около 20 долларов. И это было моей главной ошибкой за последнее время.
Ни версия 2.8, ни версия 3 не дают нормально работать. Модель просто уходит в паузу посреди решения задачи с сообщением: «Ваш пятичасовой лимит исчерпан». Задача не сделана, лимиты все. И так каждый день.
Claude таким жадным не был никогда. Даже на бесплатных аккаунтах он позволял доделать начатое. Здесь же – нет. Я понимаю, что провайдеру нужно зарабатывать, но если ваша модель не даёт мне решить одну задачу за сессию – зачем мне такая модель? Kimi меня очень сильно разочаровал. Этот проект мне больше не интересен.
Mimo от Huawei
А вот это победитель. Однозначный.
По подписке я его не использовал – работал только по API. По деньгам вполне сносно. Скорость – отдельная тема. Очень медленный. Прям очень. Может пару часов думать над задачей, которую опытный разработчик сделает за пять минут. Иногда задумывается не на шутку – видно, что модель реально анализирует, перепроверяет, пыхтит над собственными рассуждениями.
Но это и все её минусы.
А плюсов куда больше. Mimo реально может решать сложные задачи. Он сам анализирует код, перепроверяет себя, ищет ошибки в собственной логике. И на выходе часто выдаёт именно тот результат, который ты ждал. Не всегда с первого раза, но в подавляющем большинстве случаев.
Mimo 2.6 Flash – это, на мой взгляд, ближайший аналог Claude Sonnet из всего, что я перепробовал. Не дотягивает, конечно, – Sonnet всё ещё впереди. Но разрыв стал таким, что с ним можно работать.
Что в итоге
Если выбирать стек для разработки сегодня – я бы остановился на связке Mimo как основная рабочая лошадка плюс одна из «крепких серединок» вроде DeepSeek, GLM или MiniMax в качестве запасного варианта и простых задач. Kimi – категорически нет.
Главный вывод, который я сделал для себя: разрабатывать серьёзный проект, опираясь на одну модель, – плохая стратегия. Шесть китайских моделей по отдельности не заменяют один Claude Sonnet, но в сумме вполне закрывают рабочие задачи. Если, конечно, вы готовы мириться с разной скоростью, разным стилем и разной культурой ответов.
Если интересно, что получилось в итоге, – вот мой проект MetaVision. Это вайбкодер для 1С:Предприятие 8.3 – десктоп на JavaFX для статического анализа выгрузок конфигураций. Стек: Java 17, Gradle, SQLite. Внутри – графы вызовов, сканеры производительности и безопасности, собственный ИИ-агент с tool-calling и локальный векторный поиск. Сейчас проект собирается под Windows и Linux, опубликован на Инфостарте.
Изображение на обложке: генерация kling.ai
Комментарии