С выходом 5.6 вопрос о выборе моделей стал ещё более запутанным - у нас 17+ комбинаций мышления и модели. Часто спрашивают что теперь делать, поэтому решил разобрать ответ на вопрос “какую модель ставить и какое мышление?”. Люди почему-то ждут таблицу с точными цифрами, а на деле всё гораздо проще, если перестать думать о моделях как о чёрных ящиках и начать думать о них как о людях с ограниченным вниманием.
Я уже объяснял это в одном из старых видео: у модели есть внимание, и его ограниченное количество. Вы же не можете распылить своё внимание на 20 видео в TikTok одновременно и параллельно разговаривать с двумя людьми. Глупо ждать этого и от модели - особенно от маленькой.
Дальше всё, что нужно понять, распадается на две независимые оси: сколько правил модель может удержать в голове и сколько ей нужно думать над задачей.
Ось первая: сколько правил модель держит в голове
Начнём с того, что сейчас среди актуальных моделей уровня GPT-5.6 всерьёз галлюцинировать никто не будет. Даже Luna. Но “не галлюцинирует” не значит “учтёт всё, что в неё кинешь”.
Думайте о Luna как будто у неё IQ 90, который может держать в голове ну максимум 5 - 10 простых вещей/задач/правил одновременно. Представьте с точки зрения модели: ты первый раз открыл кодовую базу, тебе дали чек-лист с правилами, и ты садишься за задачу. Luna потянет десяток простых правил из AGENTS.md плюс саму задачу. Всё, что больше - начнёт забывать и не выполнять. Luna хорошо давать исследование кодовой базы, QA по шаблону, механическое редактирование файлов и документов, отчёты, нахождение файлов/API/строчек кода. Ей нельзя давать code review, написание кода в условиях когда нужно принимать решения, планирование, обсуждение с пользователем сложных спеков.
Terra - это примерно уровень GPT-5.5. Примерно та же модель, к которой мы привыкли - может следовать правилам, но что-то всё равно забывает. По моим прикидкам она держит в голове раза в три больше, чем Luna, около 30 правил. Она отлично закрывает задачи, которые укладываются в одну-две сессии, или, с хорошими критериями, 5-7. Но не через 20 компактов подряд: там она начинает терять информацию, забывать правила, и у неё стартует брейнрот.
Поэтому Terra нельзя доверять критически важную сверку. Если есть огромная фича и спека на сотни и сотни правил - проверить соответствие спеке она не сможет. Terra можно доверять например код-ревью когда в нём не слишком много сложной архитектуры, выполнение задач которые хорошо прописаны и укладываются в ~5 сессий, анализировать практически что угодно в кодовой базе, фиксы багов которые не требуют большой реструктуризации кода, вёрстку UI.
Sol: Ей очевидно нужно доверять планирование, дизайн UX, системный дизайн, архитектуру (в т.ч. БД) - всё, где надо оценить огромное количество разных правил и критериев с разных сторон.
Представим консилиум: тимлид и разработчики вышли на созвон и коллективно думают, как реализовать новую фичу для заказчика - соответствовать всем требованиям и при этом не сломать legacy. Вот задачи такого уровня можно доверять только Sol. Terra и Luna начнут нести чушь, при чём не откровенными галлюцинациями, а упущенными противоречиями и нераскрытыми нюансами. Sol лучше всех моделей работает в условиях неопределнности, когда вайбкодишь спеки в 3 часа ночи и надо их коррелировать с текущей кодовой базой с 20 противоречий на каждое предложение в промпте.
Но грань тонкая. Это всё про вкус, про принятие сложных решений и про следование правилам под большим количеством ограничений. Старайтесь не грузить даже Sol задачами, которые требуют соблюдения огромного набора сложных правил, или очень неясными ситуациями, где надо сильно опираться на гайдлайны и работать в условиях большой неопределённости - для этого лучше делать оркестрацию через Workflow в Кенте или субагентов/несколько сессий подряд.
Ось вторая: сколько модели нужно думать
Уровень мышления (reasoning) - это про другое. Тут важно, насколько задача комплексная именно в плане сухого анализа.
Когда моделям не хватает токенов на мышление, они сильно деградируют в качестве и сваливаются на уровень хуже, чем модель послабее с мышлением. Так что я крайне не рекомендую использовать вообще когда-либо Sol low, когда можно использовать Terra high. Наглядно на графике:
Sol low (45%, $1.02) < Terra high (54%, $1.13).
Результат будет хуже чем у маленькой модели: что-то заигнорит, что-то забудет, что-то пропустит или недоделает. Результат один, а причина другая - здесь не хватило не “внимания на правила”, а возможности это внимание правильно распределить в пространстве мышления.
Почему? Модель должна не только распределять внимание на токены в контексте - она ещё должна нагенерить новые токены, чтобы потом перераспределить внимание уже на них и вычленить важное (я очень упрощаю, но условно говорю для интуитивного понимания). Если просто вкинуть огромный контекст без мышления, получается ровно как с классическим “сколько букв R в слове strawberry”: инстант-модель почти всегда отвечает неправильно. А даже с минимальным мышлением у модели появляется возможность приватно разобрать слово по буквам, обратить внимание на каждую R и ответить верно. С реальными задачами то же самое.
Так что подумайте с точки зрения модели: Надо ли мне над этой задачей подумать, или тут всё механически?
- План на 10 строчек? Думать особо не над чем. Low-мышления хватит.
- “Склепай мне экран по шаблону”? Тоже нечего обдумывать, medium.
- Огромный алгоритм с десятками edge-кейсов и тестов? Архитектура базы на 100 таблиц? Тут нужна и Sol для следования правилам, и xhigh-мышление, чтобы у неё было достаточно токенов обдумать и консолидировать всё внутри мышления.
Я крайне не рекомендую выключать мышление полностью - это лоботомизирует модель (5.5-instant - смотрю на тебя). Поэтому сейчас от этого уходят и или включают по умолчанию режимы адаптивного мышления (но я не рекомендую их использовать). Ставьте хотя бы Low, а лучше, как я говорил выше, модель поменьше, но на high/xhigh.
Отдельный момент - структурированность данных. Если план уже написан явно, с указанием, какие файлы менять и какие функции добавлять, мышление можно спокойно опускать до medium или low. Я так и сделал в Kent’е для большинства дефолтных агентов: у агента реализации мышление никогда не выше medium, потому что ему не о чем думать. Кстати, слишком высокое мышление на задачу, “на всякий пожарный”, как мне говорят, ставить тоже вредно.
- Во-первых, вы быстрее тратите токены и заполняете ими контекст, что быстрее уводит вас в так называемую тупую зону агента (когда модель тупеет на большом контексте).
- Во-вторых, вы тратите деньги и лимиты впустую.
- И в-третьих, вы заставляете модель руминировать, чтобы полностью использовать бюджет своего мышления там, где думать особо не нужно. Результат такой же, как у людей с тревожностью - они всего боятся и всё валится из рук. Посмотрите, например, на GLM 5.2, у которой эта проблема очень явная.
Мой дефолт на дату поста: GPT-5.6 Sol Medium как Project Manager / Product Owner + воркфлоу в Кенте для дальнейшего планирования и реализации. Low, ultra, Max, xHigh почти не использую на Sol. Код-ревью делает Terra High, QA занимается Terra Medium, быстрый агент для поиска файлов и ответов на вопросы по кодовой базе - Luna Medium, а главный планировщик и архитектор — Sol High.
Напоследок, 5.5 и более старые модели теперь смысла использовать нет вообще. Они тупо ничего дополнительно не дают, стоят дороже и выдают результат хуже. Всегда берите самые новые модели.