После десятков тестов мы вычеркнули всех лишних: остались только Anthropic и OpenAI

На 09.05.2026 наш рабочий выбор остается между OpenAI и Anthropic. Этот вывод основан на практическом использовании моделей в задачах продуктовой разработки, программирования, архитектуры и агентного исполнения.

Постановка вопроса

При выборе LLM-провайдера команды часто смотрят на цену токена, публичные бенчмарки или громкость бренда. Для реальной продуктовой и инженерной работы этого недостаточно. В рабочей среде важнее другое: качество результата, устойчивость на длинных задачах, поведение в агентных сценариях, работа со структурированными ответами и объем последующей ручной доработки.

На 09.05.2026 наш практический выбор остается между OpenAI и Anthropic. Мы используем оба подхода, потому что именно между ними сегодня проходит основной рабочий компромисс. Остальные провайдеры иногда предлагают существенно более низкую цену за токен, но по совокупному качеству результата пока проигрывают настолько, что общая стоимость доставки продукта в итоге оказывается выше.

Контур исследования

Выводы в этом материале основаны на практическом использовании моделей в нескольких классах задач: продуктовая разработка, повседневное программирование, исправление багов, архитектурные задачи, работа с формализованными схемами ответа и агентные сценарии, в которых модель должна не только ответить, но и довести рабочий цикл до завершения.

Мы сознательно не рассматриваем это как академический benchmark. Это прикладная оценка провайдера по критерию полезности в реальной работе: сколько качественного результата удается получить на единицу времени, сколько ручной доводки требуется после ответа модели и насколько предсказуемо система ведет себя в длинных циклах.

Ключевой вывод

Если нужен короткий итог, он выглядит так: OpenAI и Anthropic сегодня остаются двумя основными рабочими вариантами. У каждого есть свои ограничения, но именно эти два провайдера пока дают наиболее сильную комбинацию качества, устойчивости и практической полезности.

Наблюдение 1. OpenAI сильнее как универсальный рабочий стек, но имеет ограничение в structured output

OpenAI в нашей практике остается одним из двух основных рабочих вариантов для повседневных продуктовых и инженерных задач. Однако у него есть конкретное ограничение, которое существенно влияет на качество интеграции в systems-oriented сценарии: отсутствие поддержки oneOf.

На практике это приводит к ухудшению работы с JSON Schema там, где схема ответа действительно сложная. Проблема становится заметной в системах, где ответ модели должен валидироваться по строгой машинной схеме с развилками формата, typed workflow и дальнейшей автоматической обработкой.

Иными словами, ограничение сильнее всего проявляется в инфраструктурном слое. Чем больше в системе оркестрации, валидации и downstream-обработки, тем сильнее это ограничение влияет на архитектурные решения.

Наблюдение 2. Anthropic силен в reasoning и архитектуре, но в агентном режиме важны ограничения подписки

Anthropic в нашей практике остается вторым основным рабочим вариантом, особенно в reasoning-задачах, архитектурных разборах и сложных эпизодах по коду. Однако в сценарии использования Claude Code как AI-агента возникает другой тип ограничения: при пробитии лимита подписки задача может остаться недоделанной.

Это особенно критично в момент, когда пользователь работает в режиме vibe coding и ожидает завершения целого цикла действий. В таком контексте важна не только сила reasoning, но и предсказуемость доведения задачи до конца.

Таким образом, ограничение Anthropic в данном случае связано не столько с качеством самой модели, сколько с устойчивостью агентного сценария при реальном режиме использования.

Наблюдение 3. Более дешевые провайдеры часто проигрывают по совокупной экономике

Альтернативные провайдеры могут выглядеть привлекательно по цене токена. Иногда разница в стоимости действительно велика. Однако в реальной разработке цена токена не является основным показателем эффективности.

Если модель хуже держит контекст, слабее пишет код, чаще ошибается в архитектуре и требует больше ручной доводки, то на тот же самый продукт уходит больше времени. Из-за этого итоговая стоимость растет уже на уровне человеческой нагрузки: больше итераций, больше исправлений, больше времени команды на стабилизацию результата.

Поэтому в нашей оценке дешевые провайдеры часто проигрывают по совокупной экономике. Формально токен дешевле, но стоимость доставки сопоставимого результата оказывается выше.

Рекомендации по моделям

В прикладном режиме наша базовая рекомендация выглядит так: использовать gpt-5.4 не ниже medium. gpt-5.4-high и sonnet-4.6 + thinking high-extra high хорошо справляются со своими рабочими задачами. gpt-5.5-extra high и opus-4.7 целесообразно держать как усиленный режим для архитектуры и тех багов, которые долго не могут быть исправлены другими моделями.

Итог

Если выбирать провайдера по реальному качеству работы, то на 09.05.2026 наш выбор остается между OpenAI и Anthropic. Именно между этими двумя провайдерами сегодня проходит практический выбор для команд, которым нужен рабочий результат в продукте, коде и агентных сценариях.

Поэтому мы используем оба подхода. Не ищем одного абсолютного победителя, а выбираем стек под класс задачи, ограничения продукта и требования к результату. В текущем состоянии рынка именно такая стратегия дает наиболее устойчивый практический outcome.