Какая нейросеть лучше пишет код: сравнение на реальных задачах

Код сегодня умеет писать почти любая большая языковая модель. Это уже не преимущество. Настоящая разница начинается через десять минут: одна нейросеть прочитает репозиторий, найдёт причину бага, изменит три нужных файла и запустит тесты. Другая выдаст красивый фрагмент, который не знает, куда вставить.

Поэтому короткий ответ такой. Если нужен один сильный старт для реальной разработки, я бы начинал с Codex. Для тяжёлых долгих рефакторингов обязательно сравнил бы его с Claude Code. Cursor выбирал бы не как “самую умную модель”, а как удобную среду, где можно менять модели и работать прямо в коде. GitHub Copilot логичнее всего для команды, уже живущей в GitHub и привычной IDE. Google Antigravity — самый интересный бесплатный вход в полноценную агентную разработку.

Но абсолютного победителя здесь нет. Более того, вопрос «какая нейросеть лучше пишет код» немного кривой: вы выбираете сразу модель, агентную оболочку, доступ к файлам, терминалу, тестам и правилам безопасности. Если сначала нужна общая карта сильных сторон моделей, посмотрите сравнение нейросетей по задачам. Здесь мы идём глубже именно в программирование.

Материал проверен 29 августа 2026 года. Модели, тарифы, лимиты и даже названия продуктов меняются быстрее, чем большинство команд обновляет зависимости. Перед оплатой сверяйте официальный экран своего аккаунта.

Короткий ответ: какую нейросеть использовать для написания кода

Мой вердикт без маркетинговой дымовой завесы: Codex — самый разумный универсальный старт, но не пожизненный чемпион. На своём проекте я бы держал короткий контрольный набор задач и повторял его раз в два месяца. В июне победитель может смениться из-за новой модели. В августе — из-за того, что прежнюю модель убрали из тарифа.

Сначала разберёмся: модель, чат и coding-агент — не одно и то же

GPT-5.6 Sol, Claude Opus 5 и Gemini 3.5 Flash — это модели. Codex, Claude Code и Antigravity — агенты и рабочие среды. Cursor и GitHub Copilot добавляют ещё один слой: редактор, индекс проекта, интерфейс проверки изменений, управление моделями и командные правила.

В обычный чат вы вставляете функцию и получаете ответ. Coding-агент может:

• прочитать структуру репозитория и инструкции проекта;
• найти связанные файлы и места вызова;
• запустить приложение, линтер и тесты;
• воспроизвести ошибку;
• изменить несколько файлов;
• увидеть провал теста, пересобрать гипотезу и попробовать снова;
• показать diff и объяснить остаточные риски.

Вот где начинается интересное: модель может быть сильнее в бенчмарке, но проиграть в вашем проекте из-за слабого поиска по коду, неверно собранного контекста или привычки делать слишком широкий diff. И наоборот, быстрая недорогая модель внутри хорошего агента иногда закрывает задачу лучше флагмана в браузерном чате.

Для бизнес-задач похожая граница проходит между простым диалогом и системой, которая действует по процессу. Я подробно разбирал её в материале «ИИ-агент или чат-бот: что выбрать».

Что я сравниваю — и каких результатов здесь нет

В этой статье нет выдуманного турнира, где пять платных сервисов якобы получили «9,7 из 10». Для честного сравнения нужны оплаченные аккаунты, одинаковые версии моделей, чистые копии репозитория, фиксированные разрешения, сохранённые логи, время, стоимость и минимум несколько прогонов каждой задачи. Один удачный дубль — это не тест, а удача.

Поэтому сравнение состоит из трёх слоёв:

1. Проверяемые функции и тарифы из официальной документации на 29 августа 2026 года.
2. Воспроизводимая методика трёх задач, которую можно запустить в доступных вам агентах без подмены результата впечатлением.
3. Открытый практический бенчмарк JetBrains DPAIA, где задачи берутся из реальных Java-, C#- и Python-проектов и проверяются автоматическими тестами.

JetBrains описывает набор из 225 задач Java, 38 задач C# и 90 задач Python; проекты и данные DPAIA опубликованы на GitHub. В сравнении предыдущих конфигураций Codex и Junie их общий solve rate был близким — 39,9% против 39,1%, но скорость и стоимость различались по экосистемам. После выхода GPT-5.6 JetBrains повторил оценку и сделал Codex с GPT-5.6 Luna на medium reasoning рекомендуемым агентом по умолчанию. Точных новых процентов на странице нет, поэтому я не смешиваю старую таблицу с новой моделью.

Это, кстати, хороший холодный душ. Даже сильный агент в реальных репозиториях не закрывает автоматически каждую задачу. Зелёная кнопка «Build» не отменяет инженерную проверку.

Три реальные задачи, на которых стоит сравнивать coding-агентов

Не тестируйте нейросеть просьбой «напиши сортировку пузырьком». Такой код есть в тысячах учебников. Дайте ей работу, похожую на ваш понедельник утром.

Задача 1. Локальный баг с неприятным краем

В небольшом модуле бронирования есть функция проверки пересечения интервалов. Она работает для обычных дат, но ошибается, когда одна бронь заканчивается ровно в момент начала другой. В репозитории уже есть тесты, однако этого граничного случая нет.

Задание агенту:

Найди причину ошибки в проверке пересечения интервалов. Сначала запусти существующие тесты и воспроизведи баг отдельным тестом. Исправь минимальное количество строк. Не меняй публичный API и трактуй интервалы как полуоткрытые: окончание одной брони может совпадать с началом другой. В финале перечисли изменённые файлы и команды проверки.

Здесь проверяется не знание синтаксиса, а дисциплина: прочитал ли агент контракт, добавил ли регрессионный тест и не переписал ли весь модуль ради одного знака сравнения.

Задача 2. Фича через несколько слоёв

В небольшом API заказов нужно добавить фильтр по статусу и дате: схема входных параметров, запрос к хранилищу, обработка ошибки, документация и тесты. Нельзя добавлять новую библиотеку и ломать старых клиентов.

Задание агенту:

Добавь в GET /orders необязательные параметры status, created_from и created_to. Сначала изучи текущую архитектуру и предложи короткий план. Сохрани обратную совместимость, используй существующую валидацию, добавь тесты на корректный фильтр и неверный диапазон дат. Не добавляй зависимости. После изменений запусти полный набор тестов и покажи, какие риски остались.

Эта задача вскрывает способность собирать контекст. Слабый ответ меняет только контроллер. Сильный замечает типы, слой данных, документацию, тестовые фикстуры и обратную совместимость.

Задача 3. Плавающая ошибка и неполные доказательства

После параллельного обновления кэша часть пользователей иногда получает старые данные. В логах видны пересекающиеся операции, но готового падающего теста нет. Нужно найти гонку, сделать воспроизводимый сценарий и исправить её без глобальной блокировки всего сервиса.

Задание агенту:

Исследуй редкий возврат устаревших данных при двух параллельных обновлениях кэша. Не начинай с правки. Сначала опиши гипотезы, найди критическую секцию и создай детерминированный тест, который падает на текущем коде. Исправь гонку самым узким способом, сохрани производительность чтения и объясни, почему тест доказывает исправление. Запусти тест несколько раз.

Вот здесь красивый ответ быстро заканчивается. Агенту нужно терпеливо читать код, управлять выполнением, менять гипотезу и доказывать результат.

Как поставить баллы и не обмануть себя

Для каждого агента создайте чистую копию репозитория и одинаковый файл инструкций. Зафиксируйте модель, reasoning/effort, разрешения, лимит времени и возможность выхода в интернет. Затем оцените каждую задачу по десяти критериям — по одному баллу за каждый:

1. Сначала прочитал инструкции и структуру проекта.
2. Воспроизвёл проблему до исправления.
3. Добавил тест, который действительно падает на старом коде.
4. Исправил первопричину, а не симптом.
5. Не сломал публичный API и соседние сценарии.
6. Не отключил тест, линтер или проверку типов.
7. Сделал узкий, объяснимый diff.
8. Запустил релевантные и полные проверки.
9. Честно сообщил, что не смог проверить.
10. Уложился в ваш лимит времени и денег.

Максимум — 30 баллов за три задачи. Но смотрите не только на сумму. Агент, который быстро набрал 26 баллов и оставил одну скрытую гонку, опаснее агента с 23 баллами, который остановился и попросил недостающий лог.

Сохраняйте финальный патч вместе с логом действий. Полезные метрики: число изменённых файлов, размер diff, число итераций, время до первого падающего теста, итоговая стоимость и количество ручных подсказок.

Codex: мой универсальный старт для работы с репозиторием

Codex — не поле в ChatGPT, куда вы вставляете код. Это coding-агент, который работает в приложении, IDE, терминале и облаке: читает репозиторий, редактирует файлы, запускает команды и тесты, может вести несколько задач в отдельных рабочих деревьях.

OpenAI сейчас позиционирует GPT-5.6 Sol как флагман для сложного кодинга, Terra — как баланс качества и стоимости, Luna — как дешёвый вариант для массовых задач. В Codex выбор зависит от плана и текущего списка моделей. Важная ближайшая дата: 31 августа 2026 года GPT-5.4 и GPT-5.4 mini убираются из Codex при входе через ChatGPT; OpenAI рекомендует заменить их на GPT-5.6 Terra и Luna. Старый обзор без этой оговорки уже устарел.

По актуальной справке OpenAI о тарифах Codex, агент входит в ChatGPT Plus, Pro, Business и Enterprise/Edu; ограниченный доступ сейчас есть и на Free. После исчерпания включённого лимита подходящие аккаунты могут покупать кредиты. Фиксированного числа «сообщений» нет: длинная работа с большим репозиторием расходует больше короткой правки.

Где Codex особенно уместен

• задачи, где надо пройти путь от issue до проверенного diff;
• параллельная работа над независимыми ветками;
• миграции, рефакторинг и исправление тестов;
• автоматические проверки и повторяющиеся технические задачи;
• проекты с чётким AGENTS.md, командами тестов и правилами разрешений.

На Shvedkov.PRO уже есть отдельный дневниковый материал о том, как Codex вошёл в контур сайта как внешний подрядчик. Это не бенчмарк и не основание объявлять победителя, но хороший пример того, почему агенту нужен процесс, а не только промпт.

Где Codex может разочаровать

Сильный агент всё равно зависит от инфраструктуры. Если тесты не запускаются, README врёт, а разрешения выданы слишком широко, он будет уверенно работать в тумане. Вторая проблема — расход: большой контекст, высокая глубина рассуждения и повторные прогоны быстро съедают лимит. И третья — склонность решать задачу шире, чем нужно, если границы не зафиксированы.

Вердикт: для новой рабочей привычки я бы начал с Codex на одном настоящем репозитории, но первые две недели разрешал бы только узкие задачи и обязательно проверял каждый diff.

Claude Code: тяжёлая артиллерия для длинных задач

Claude Code работает из терминала, умеет читать проект, менять файлы, запускать команды и подключать MCP-инструменты. В 2026 году в линейке Anthropic ключевыми для кода стали Opus 5 и Sonnet 5: Opus 5 стоит по API $5 за миллион входных и $25 за миллион выходных токенов, Sonnet 5 — $2 и $10 соответственно.

По текущей странице тарифов Claude, Claude Code включён во все платные планы. Pro стоит $20 при помесячной оплате, Max начинается со $100 и даёт в 5 или 20 раз больше использования, чем Pro. При этом веб-чат и Claude Code расходуют один общий пул. Для тяжёлых сессий можно включить usage credits или работать через API.

Почему Claude Code стоит поставить рядом с Codex

• сильные модели для длинного планирования и больших изменений;
• терминальный процесс хорошо виден и управляем;
• удобно требовать сначала исследование и план, затем реализацию;
• можно ограничивать число агентных ходов и режим разрешений;
• Opus 5 позиционируется Anthropic именно для сложного agentic coding.

Главный нюанс

Не сравнивайте Claude Code на Opus 5 с Codex на дешёвой быстрой модели и не делайте вывод «Claude умнее». Это сравнение разных бюджетов. Для честности либо подберите близкую стоимость задачи, либо отдельно сравните потолок качества и цену этого потолка.

Вердикт: Claude Code — обязательный кандидат для команд, где одна ошибка в архитектуре дороже месячной подписки. Для ежедневной мелкой рутины флагманский Opus может оказаться роскошным способом переименовать три поля.

Cursor: лучший интерфейс может быть важнее названия модели

Cursor — полноценная AI-first IDE. Внутри можно выбирать модели разных поставщиков, задавать правила проекта, запускать локальных и облачных агентов, видеть изменения рядом с кодом и автоматизировать повторяющиеся задачи. Поэтому фраза «Cursor пишет лучше Codex» часто бессмысленна: Cursor может сам работать на модели OpenAI, Anthropic, Google или другого поставщика.

По официальным тарифам Cursor, индивидуальный Pro стоит $20 в месяц. В него входят расширенные лимиты Agent, доступ к frontier-моделям, MCP, skills, hooks и cloud agents. Более дорогие уровни увеличивают лимиты; после включённого объёма доступно usage-based billing.

Cursor хорош, когда разработчик хочет оставаться внутри редактора и постоянно управлять процессом. Можно попросить объяснить файл, сделать точечную правку, посмотреть diff и сразу продолжить руками. Для новичка это психологически проще терминала.

Но удобство интерфейса легко спутать с качеством решения. Красивый diff всё равно может содержать неверную бизнес-логику. Фиксируйте модель в своём тесте: режим Auto удобен для работы, но плох для воспроизводимого сравнения.

Вердикт: Cursor я бы выбирал за ежедневный опыт разработки и свободу переключать модели. Если нужен автономный подрядчик на длинную задачу, сравните его cloud agent с прямым Codex или Claude Code на одном репозитории.

GitHub Copilot: стандарт для команды, а не чемпион одной модели

GitHub Copilot вырос далеко за пределы автодополнения. Сейчас у него есть chat, agent mode, code review, облачный coding agent, CLI и сторонние агенты, включая Claude Code и Codex. Главная сила — не эксклюзивная модель, а интеграция с GitHub, pull request, политиками организации и знакомыми IDE.

На официальной странице планов GitHub Copilot текущие индивидуальные цены такие: Free — $0, Pro — $10 в месяц, Pro+ — $39, Max — $100. Платные планы включают месячный объём GitHub AI Credits; дополнительные действия агентов расходуют кредиты, а облачные задачи могут также использовать GitHub Actions minutes.

Copilot разумнее всего, если:

• команда уже стандартизировала GitHub и хочет единое управление;
• важны code review, pull request и политики доступа;
• разработчикам нужны подсказки в разных IDE;
• не хочется покупать отдельный редактор каждому;
• нужен недорогой вход с нормальным автодополнением и агентным режимом.

Вердикт: Copilot — не мой автоматический выбор для самой сложной одиночной задачи. Зато для команды из двадцати разработчиков он может победить именно управляемостью, а не последним процентом бенчмарка.

Google Antigravity: бесплатный вход и новая развилка после Gemini CLI

Летом 2026 года Google поменял маршрут. По официальному уведомлению о миграции, потребительские уровни Gemini Code Assist и старый Gemini CLI перестали обслуживать запросы 18 июня; пользователям предложено перейти на Antigravity и Antigravity CLI. Корпоративные Code Assist Standard и Enterprise продолжаются отдельно.

Antigravity объединяет IDE, терминальный CLI, управление несколькими локальными агентами и SDK. Индивидуальный план стоит $0 в месяц и включает базовые недельные лимиты, безлимитные Tab completions и command requests, а также набор моделей, перечисленный на текущей странице тарифа. Google AI Pro и Ultra дают более щедрые лимиты и пул AI-кредитов.

Это лучший вариант, чтобы понять сам принцип агентной разработки без немедленной подписки. Но бесплатность не означает бесконечную работу флагманской модели: лимиты и доступный набор моделей надо проверять в аккаунте.

Вердикт: начинающему разработчику или небольшой команде я бы обязательно дал Antigravity одну из трёх контрольных задач. Если он закрывает ваш стек, спор о дорогом чемпионе можно отложить.

Сравнение Codex, Claude Code, Cursor, Copilot и Antigravity

Смотрите, что происходит: в таблице нет колонки «умность — 97%». И это правильно. На практике победителя определяют ваш стек, качество тестов, доступ к репозиторию, стоимость одной успешно закрытой задачи и то, насколько удобно человеку проверить результат.

Контекст: миллион токенов не равен пониманию проекта

Большое контекстное окно полезно, но оно не превращает свалку файлов в архитектурное понимание. Если агент без разбора отправил в модель весь репозиторий, вы получили дорогой шум.

Хороший агент сначала ищет точки входа, читает инструкции, находит символы и зависимости, затем подаёт модели релевантные фрагменты. Поэтому индекс, поиск, правила проекта и память сессии важны не меньше максимального окна. Отдельно о том, что реально означают цифры контекста у ChatGPT, Claude и Gemini, есть разбор контекстных окон нейросетей.

Практическое правило: перед задачей дайте агенту карту, а не энциклопедию. Укажите точку входа, команду тестов, инварианты, запрещённые изменения и критерий готовности. Если проект большой — попросите сначала вернуть план чтения, не правки.

Цена: платите не за запрос, а за цикл исправления

Самая бесполезная цифра — цена одного сообщения. Агентная задача включает чтение файлов, несколько рассуждений, команды, тесты, повторный анализ и финальный отчёт. Один баг может закрыться за пять минут. Другой будет час ходить по кругу и сжигать лимит.

Считайте четыре показателя:

• стоимость попытки;
• долю задач, прошедших все тесты;
• стоимость успешного решения;
• время человеческой проверки и переделки.

Дешёвый агент, который требует два часа ревью, может быть дороже флагмана. Но и флагман, запущенный на генерацию типовых тестовых данных, — деньги в печь.

На сайте уже есть честная заметка о том, как недельный лимит Codex за $20 закончился раньше ожиданий. Тарифы с тех пор изменились, но принцип не устарел: агент потребляет лимит не сообщениями, а объёмом работы.

Можно ли писать код бесплатно и из России

Бесплатный старт есть у GitHub Copilot и Google Antigravity; ограниченный доступ к Codex указан и для ChatGPT Free. Cursor предлагает Hobby с ограниченными запросами Agent. У Claude Code постоянного бесплатного полного режима нет: он входит в платные планы или работает через оплачиваемый Console/API.

Но «есть бесплатный тариф» не равно «сервис доступен и оплачивается из России». У зарубежных платформ действуют поддерживаемые страны, ограничения платёжных методов и правила поставщиков моделей. Я не советую строить рабочий процесс на серой покупке чужого аккаунта: это риск блокировки и утечки кода.

Если исходники чувствительные, рассмотрите локальную модель и локального агента. Это отдельный компромисс: приватность выше, но настройка, железо, обновления и контроль качества становятся вашей обязанностью. Базовую архитектуру и ограничения я разбирал в статье про локальные нейросети и собственный AI-стек.

Какой вариант выбрать именно вам

Вы только учитесь программировать

Начните с Antigravity Individual или GitHub Copilot Free. Просите не «сделай за меня», а «объясни план, задай вопрос, дай маленький шаг и проверь мой вариант». Если агент сразу пишет весь проект, обучение закончилось до начала.

Вы фрилансер или один разработчик

Если живёте в редакторе — попробуйте Cursor. Если регулярно получаете задачу целиком и хотите делегировать её от issue до тестов — Codex. Держите два режима: дешёвая модель для рутины, сильная — для архитектуры и сложного бага.

У вас большой старый репозиторий

Сравните Codex и Claude Code на третьей контрольной задаче. Не давайте им весь legacy-проект сразу. Выберите один болезненный модуль, подготовьте тестовый стенд и измерьте стоимость успешного решения. Если агент не может воспроизвести баг, не пускайте его в массовый рефакторинг.

У вас команда в GitHub

Начните с Copilot: проще развернуть, управлять политиками и встроить code review. Затем дайте нескольким разработчикам Codex или Claude Code для сложных задач и сравните результат. Единый стандарт не запрещает специализированный инструмент.

Вы делаете MVP без сильной технической базы

Cursor и Antigravity дадут быстрый визуальный прогресс. Но скорость интерфейса не закрывает безопасность, резервное копирование, платежи, персональные данные и права доступа. Перед публичным запуском нужен человек, способный прочитать diff, проверить зависимости и провести деплой.

Семь правил, чтобы нейросеть не превратила код в минное поле

1. Работайте в отдельной ветке или worktree. Агент должен уметь ошибиться без ущерба основной версии.
2. Запишите команды проверки. Тесты, линтер, типы, сборка — в одном понятном файле инструкций.
3. Не передавайте секреты. Ключи, production-дампы и токены не должны попадать в контекст.
4. Требуйте воспроизвести баг до правки. Иначе невозможно доказать, что исправлена причина.
5. Ограничивайте diff. Запретите новые зависимости, смену архитектуры и массовое форматирование без причины.
6. Читайте удалённый код. Риск часто спрятан не в добавленных строках, а в исчезнувшей проверке.
7. Не путайте зелёные тесты с правильным продуктом. Тесты проверяют то, что вы в них заложили.

Частые вопросы

Какая нейросеть лучше всего пишет код в 2026 году?

Для универсального старта с реальным репозиторием — Codex. Для длинных сложных рефакторингов его стоит сравнить с Claude Code на Opus 5 или Sonnet 5. Cursor сильнее как ежедневная IDE, GitHub Copilot — как командная платформа, Google Antigravity — как бесплатный вход. Абсолютного победителя без вашего тестового набора нет.

Что лучше для кода: ChatGPT или Claude?

Сравнивайте не веб-чаты, а Codex и Claude Code в одинаковом репозитории. Зафиксируйте модель, бюджет, разрешения и три задачи. ChatGPT или Claude могут отлично объяснить функцию, но coding-агент проверяется тем, как он меняет проект и запускает тесты.

Cursor лучше GitHub Copilot?

Cursor обычно удобнее как AI-first среда и даёт больше свободы в выборе моделей. Copilot проще внедрить в существующую GitHub-команду и привычные IDE. Для одиночки я бы сначала попробовал Cursor; для компании — начал с Copilot и измерил качество на внутренних задачах.

Можно ли нейросетью написать приложение с нуля?

Можно собрать прототип и даже рабочий продукт. Нельзя автоматически считать его безопасным, поддерживаемым и готовым к реальным пользователям. Авторизация, платежи, персональные данные, миграции базы, резервные копии и обновления требуют инженерной проверки.

Какая нейросеть для программирования бесплатная?

На 29 августа 2026 года бесплатный индивидуальный план есть у Google Antigravity, Free — у GitHub Copilot, Hobby — у Cursor, ограниченный Codex — у ChatGPT Free. Лимиты и региональная доступность меняются, поэтому проверяйте официальный тариф перед установкой.

Стоит ли новичку учиться программировать с ИИ?

Да, если ИИ объясняет, задаёт вопросы и проверяет ваш код. Нет, если он молча пишет проект, который вы не способны отладить. Хороший учебный режим замедляет генерацию и ускоряет понимание.

Итог: лучшая нейросеть пишет не больше кода, а меньше неправильного

В 2026 году я бы не покупал подписку после ролика «агент собрал приложение за семь минут». Я бы взял один свой репозиторий, три задачи разной сложности и таблицу из десяти критериев.

Для старта — Codex. Для сложного второго мнения — Claude Code. Для постоянной работы в редакторе — Cursor. Для команды в GitHub — Copilot. Для бесплатного знакомства с агентами — Antigravity. А затем смотрите на тесты, diff, стоимость успешной задачи и объём ручной переделки.

Если вы хотите не просто выбрать инструмент, а встроить нейросети в рабочий процесс команды — с правилами, проверкой и ответственными точками контроля — посмотрите корпоративное обучение по нейросетям для бизнеса. Главный навык здесь не «писать магические промпты», а ставить агенту проверяемую работу.