Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РелизРазбор · На радарX: @arena→ оригинал

Модель для кода, обогнавшая лидера апреля, к октябрю подешевела в 20 раз

Лучшая модель для написания кода в апреле — Claude Opus 4.7 — к октябрю потеряла преимущество: её обогнала Xiaomi MiMo-V2.6-Flash, а стоит она меньше одной двадцатой от цены Claude. Это следует из анализа платформы Arena, где люди вслепую сравнивают ответы моделей на задачах веб-разработки. Для ответов ценой от 5 центов до $1 лучшая октябрьская модель выигрывала у апрельской лидерши той же цены в 65–80% сравнений. Поэтому выбор модели для кодинга стоит пересматривать раз в пару месяцев.\n\n• Проанализировано 105 моделей от 24 лабораторий и 44 недельных рейтинга\n• С июля по октябрь в рейтинг попадало 12–14 моделей в месяц, зимой около 5\n• С мая по октябрь лучший балл рос втрое быстрее, чем зимой

AI-обработка оригинала X: @arena; редакция Hamidun News
Модель для кода, обогнавшая лидера апреля, к октябрю подешевела в 20 раз
Источник: X: @arena. Коллаж: Hamidun News.
Слушать статью

Представьте, что весной вы выбрали самую сильную модель для генерации кода, подключили её к продукту и забыли. Скорее всего, сейчас вы платите в десятки раз больше, чем нужно. Команда Arena, платформы, где пользователи вслепую сравнивают ответы нейросетей, опубликовала анализ своего рейтинга Code Arena: WebDev. Он показывает: чтобы превзойти лучшую модель апреля, к октябрю хватало ответов, которые стоят примерно в 20 раз меньше.

Что именно проанализировали

Arena взяла все модели, которые появлялись в рейтинге Code Arena: WebDev с декабря 2025 года по 23 октября 2026-го. Получилось 105 моделей от 24 лабораторий и 44 недельных таблицы лидеров. Отдельно авторы посчитали, сколько стоил каждый ответ в период с апреля по октябрь.

Как устроен рейтинг. Пользователю показывают два ответа на одну задачу по веб-разработке, например собрать страницу или поправить интерфейс. Он выбирает лучший, не зная, какая модель что написала. Из таких парных выборов складываются очки. Поэтому «выигрыш» здесь означает простую вещь: в прямом сравнении человек чаще выбирал ответ этой модели. Это не лабораторный тест на фиксированном наборе задач, а картина человеческих предпочтений.

Релизы пошли почти через день

Зимой на площадку попадало около пяти новых моделей в месяц. С июля по октябрь их стало 12–14 в месяц, то есть новая модель появлялась почти через день. Верхняя планка тоже растёт быстрее: с мая по октябрь лучший балл в таблице поднимался втрое быстрее, чем зимой.

Пример плотности релизов: 19 октября 2026 года в Code Arena пришли сразу Muse Wonder Full от Meta, M3.1-Flash от MiniMax и Nemotron 3.5 Super от NVIDIA. Спустя четыре дня к ним присоединилась Kimi K3.1 Pro от Moonshot. Четыре заметные модели от четырёх компаний уложились в неделю.

Что это значит для цены

Самая показательная пара: Xiaomi MiMo-V2.6-Flash к октябрю набрала больше очков, чем Claude Opus 4.7, лучшая модель апреля, а стоила меньше одной двадцатой от её цены. Это не единичный случай. Arena разбила ответы на ценовые группы. Для ответов стоимостью от 5 центов до $1 лучшая октябрьская модель, по оценке авторов, выигрывала у лучшей апрельской модели той же цены в 65–80% сравнений.

Выгода получается двойная. Можно взять модель уровня апрельского лидера за малую долю цены. А можно заплатить прежнюю сумму и получить заметно более сильный результат. Если у вас тысячи запросов в день, разница в 20 раз превращается в реальную экономию на счетах за API.

Ограничения и практический вывод

Есть несколько оговорок. Во-первых, это собственный анализ Arena по её же площадке, а стоимость ответа в нём оценочная: реальные расходы зависят от длины ответа, тарифа и способа подключения. Во-вторых, WebDev-рейтинг отражает веб-задачи. Для бэкенда, низкоуровневого кода или длинных агентных сценариев результат может отличаться. В-третьих, высокий балл в публичной таблице не гарантирует, что модель подойдёт под вашу кодовую базу и стек.

Практический вывод простой. Не фиксируйте модель в продакшене на полгода. Соберите небольшой набор собственных задач, на котором можно быстро проверить новых кандидатов, и раз в пару месяцев прогоняйте его через свежие недорогие модели. Не привязывайте архитектуру к одному поставщику: если модель легко заменить, вы сможете воспользоваться очередным падением цен, не переписывая систему. А при планировании бюджета на ИИ-разработку закладывайте, что цена одного и того же уровня качества продолжит снижаться, причём быстрее, чем раньше.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: что именно проанализировали?

Arena взяла все модели, которые появлялись в рейтинге Code Arena: WebDev с декабря 2025 года по 23 октября 2026-го. Получилось 105 моделей от 24 лабораторий и 44 недельных таблицы лидеров. Отдельно авторы посчитали, сколько стоил каждый ответ в период с апреля по октябрь. Как устроен рейтинг. Пользователю показывают два ответа на одну задачу по веб-разработке, например собрать страницу или поправить интерфейс. Он выбирает лучший, не зная, какая модель что написала. Из таких парных выборов складываются очки.

Что известно по теме: релизы пошли почти через день?

Зимой на площадку попадало около пяти новых моделей в месяц. С июля по октябрь их стало 12–14 в месяц, то есть новая модель появлялась почти через день. Верхняя планка тоже растёт быстрее: с мая по октябрь лучший балл в таблице поднимался втрое быстрее, чем зимой. Пример плотности релизов: 19 октября 2026 года в Code Arena пришли сразу Muse Wonder Full от Meta, M3.1-Flash от MiniMax и Nemotron 3.5 Super от NVIDIA. Спустя четыре дня к ним присоединилась Kimi K3.1 Pro от Moonshot.

Что известно по теме: что это значит для цены?

Самая показательная пара: Xiaomi MiMo-V2.6-Flash к октябрю набрала больше очков, чем Claude Opus 4.7, лучшая модель апреля, а стоила меньше одной двадцатой от её цены. Это не единичный случай. Arena разбила ответы на ценовые группы. Для ответов стоимостью от 5 центов до $1 лучшая октябрьская модель, по оценке авторов, выигрывала у лучшей апрельской модели той же цены в 65–80% сравнений. Выгода получается двойная. Можно взять модель уровня апрельского лидера за малую долю цены.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

Протестируйте новые LLM и мультимодальные модели в одном окне

Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…