Модели

Рейтинг AI моделей

Сравнивай модели по общей оценке, кодингу, reasoning, зрению, контексту, скорости и цене/мощности. Значения это демо-данные для MVP.

Фильтры моделей

Сортируй демо-рейтинг моделей под профиль задачи.

Демо-данные

GPT-5.5

OpenAI

89.9

закрытаяPremium128K tokens контекст

Кодинг95

Reasoning96

Сила агента94

Эффективность цены72

Сильные стороны

Strong tool use
Reliable reasoning
Broad workflow coverage

Слабые стороны

Premium pricing
Best results need structured context

Лучшие сценарии

Full-stack codingAgent workflowsComplex planning

Claude Opus / Sonnet

Anthropic

89.6

закрытаяВысокий200K tokens контекст

Кодинг93

Reasoning95

Сила агента91

Эффективность цены76

Сильные стороны

Long-context synthesis
Code review
Document reasoning

Слабые стороны

Can be cautious
Cost grows on long runs

Лучшие сценарии

Large codebasesSpecsCareful refactors

DeepSeek

87.7

open sourceНизкий128K tokens контекст

Кодинг90

Reasoning89

Сила агента82

Эффективность цены93

Сильные стороны

Price/performance
Code generation
Reasoning value

Слабые стороны

Vision not a core strength
Needs guardrails in agents

Лучшие сценарии

Cheap API usageCoding draftsBatch reasoning

Gemini

Google

86.4

закрытаяСредний1M tokens контекст

Кодинг86

Reasoning90

Сила агента84

Эффективность цены80

Сильные стороны

Multimodal work
Long context
Fast analysis

Слабые стороны

Coding consistency varies
Agent behavior depends on host

Лучшие сценарии

Vision tasksResearchLarge document scans

Qwen

Alibaba

85.7

open sourceНизкий128K tokens контекст

Кодинг88

Reasoning86

Сила агента80

Эффективность цены89

Сильные стороны

Strong open-weight ecosystem
Multilingual work
Good cost profile

Слабые стороны

Quality depends on deployment
Tool use needs testing per host

Лучшие сценарии

Local/private AIMultilingual codingCost-sensitive apps

Kimi

Moonshot AI

84.5

закрытаяСредний1M tokens контекст

Кодинг84

Reasoning88

Сила агента81

Эффективность цены86

Сильные стороны

Long-context reading
Research synthesis
Structured output

Слабые стороны

Agent ecosystem is thinner
Vision support is not central here

Лучшие сценарии

ResearchLong documentsKnowledge extraction

Mistral

Mistral AI

83.4

open sourceСредний128K tokens контекст

Кодинг82

Reasoning84

Сила агента78

Эффективность цены88

Сильные стороны

Fast responses
European deployment options
Clean API ergonomics

Слабые стороны

Not always top for deep codebase edits
Needs benchmark validation

Лучшие сценарии

Business automationFast assistantsEU-sensitive workflows

Llama

Meta / local hosts

79.8

локальнаяНизкий32K tokens контекст

Кодинг79

Reasoning78

Сила агента72

Эффективность цены95

Сильные стороны

Local deployment
Data control
Low marginal cost

Слабые стороны

Needs hosting expertise
Lower top-end reasoning

Лучшие сценарии

Private AIOffline prototypesInternal assistants

Отфильтрованная таблица

Место	Модель	Провайдер	Интеллект	Кодинг	Сила агента	Скорость	Эффективность цены	Контекст	Общая оценка
#1	GPT-5.5	OpenAI	96	95	94	78	72	128K tokens	89.9
#2	Claude Opus / Sonnet	Anthropic	95	93	91	82	76	200K tokens	89.6
#3	DeepSeek	DeepSeek	88	90	82	84	93	128K tokens	87.7
#4	Gemini	Google	91	86	84	88	80	1M tokens	86.4
#5	Qwen	Alibaba	86	88	80	86	89	128K tokens	85.7
#6	Kimi	Moonshot AI	87	84	81	83	86	1M tokens	84.5
#7	Mistral	Mistral AI	84	82	78	89	88	128K tokens	83.4
#8	Llama	Meta / local hosts	80	79	72	74	95	32K tokens	79.8