Claude 3.5 Sonnet и Claude 3.7 Sonnet на задачах с кодом реально бьют GPT-4o по нескольким параметрам: лучше держит контекст большого файла, меньше "галлюцинирует" имена функций и методов, более аккуратно работает с рефакторингом без "творческих" отступлений от оригинальной логики.

Gemini 1.5/2.0 Pro выигрывает там где нужен огромный контекст - окно в миллион токенов это не маркетинг, реально работает. Скормить целую кодовую базу и попросить найти баг - вот его ниша.

GPT-4o при этом выигрывает в универсальности и скорости итерации. Если задача размытая и нужно быстро набросать несколько вариантов - он шустрее.

Яндекс GPT - нет, не конкурент в международных бенчмарках, но для специфически русскоязычных задач (юридические тексты, работа с российскими реалиями) иногда выдает более адекватный результат чем западные модели.

Если вас интересует именно код и длинные тексты - Claude Sonnet стоит попробовать прямо сейчас. Бесплатный tier ограничен, но дает достаточно для сравнения.

Grok 3 от xAI сейчас реально топ по многим бенчмаркам, особенно по математике и рассуждению. Плюс в него встроен доступ к Twitter/X в реальном времени - для актуальных новостей и трендов он вне конкуренции. Минус - доступ через подписку X Premium.

Вопрос "кто лучше" уже устарел как подход. Правильный вопрос - какая модель лучше под конкретную задачу в конкретный момент.

Я держу открытыми три вкладки одновременно уже полгода: ChatGPT для черновиков и брейнштормов, Claude для работы с кодом и длинными документами, Gemini когда нужно что то свежее из интернета. Это не дорого - Claude Pro стоит те же деньги что ChatGPT Plus.

Все разговоры о "ChatGPT вне конкуренции" заканчиваются ровно в тот момент когда ты первый раз даешь Claude тысячестрочный файл и он реально его понимает целиком.

Все эти "аналоги" - инструменты слежки корпораций с красивым интерфейсом. Anthropic - деньги Amazon и Google. Gemini - это и есть Google. Grok - Маск читает ваши запросы.

Есть локальные open-source модели: Llama 3, Mistral, Qwen. Запускаются через Ollama на нормальном железе, никуда не передают данные, работают без интернета. Для кода - DeepSeek Coder V2, реально хорошая модель и полностью локальная.

Вот это достойные аналоги. Остальное - просто другой хозяин.

ChatGPT единственный у кого нормально работают плагины и интеграции. Пока остальные делают бенчмарки, OpenAI строит экосистему. Это важнее чем выиграть в очередном тесте на математику.

попробуй GigaChat от сбера, там русский язык прям реально хорошо понимает и данные никуда не утекают за границу. для обычных задач норм вполне

Все модели одинаковый мусор. Я два года в ML, видел как делаются эти бенчмарки. Натренировали на тестовых данных, получили красивые цифры, продали инвесторам. На реальных задачах все они одинаково галлюцинируют одинаково уверенно. Разница в маркетинговом бюджете компании.

Тоже пользуюсь несколькими и скажу честно - у меня после перехода на Claude для кода производительность выросла заметно. Не потому что он "лучше" в абстрактном смысле, а потому что он реже делает вид что понял задачу когда не понял. ChatGPT уверенно несет чушь, Claude чаще говорит "уточни".