Рейтинг Poly · из тренда дня

Лучшая модель ИИ для агентов (открытые веса, октябрь 2026)

Мистраль Large 4 занимает 6-е место из 75 в юридическом тесте агентов Харви с результатом 15,83% и 32-е из 44 в более широком индексе Vals. DeepSeek V4.1 Flash там набирает 61,26% при $0,66 за тест.

  • №1: Мистраль Large 4
  • 10 мест

01Итоговый список

Ведущие ИИ независимо составили свои списки из десяти мест. Сверху — один итог, который легко проверить: у каждого места есть причина, источник и список ИИ, которые его включили.

Порядок: от большего согласия ИИ к меньшему.

Яркая плашка — этот ИИ включил пункт в свой список. Тусклая — не включил.

  1. 1

    Мистраль Large 4

    Наименьший разрыв в кибербезопасности: Мистраль заявляет около 82%, а независимые тесты дали 79–81,7%. Vals измеряет 26,26% в Terminal-Bench 4.0 и 15,83% в юридическом тесте агентов Харви.

    Включили: Claude, ChatGPT, Meta, Gemini, Wenxin, DeepSeek, Qwen. Не включили: Nova.

    В их списках: Claude: 2 · ChatGPT: 10 · Meta: 5 · Gemini: 5 · Wenxin: 3 · DeepSeek: 3 · Qwen: 3

    Что отметил каждый ИИ 7
    • Claudeместо 2

      У её кибертезиса самый маленький видимый разрыв: Мистраль говорит примерно о 82% в CyberGym-E2E, а независимый индекс измерил 81,7%.

      Источник ↗
    • ChatGPTместо 10

      Apache 2.0 даёт операционное преимущество, когда компания хочет размещать агентов для клиентов без исключения Large 4 для MaaS (онлайн-продажи доступа к модели).

      Источник ↗
    • Metaместо 5

      По данным вендора 93% в Cybench, 82% исправления уязвимостей, 61,7% в DeepSWE v1.1 — независимо 41% в Terminal-Bench 4.0 и 48% в Coding Agent Index при расходе на 47% меньше токенов

      Источник ↗
    • Geminiместо 5

      Заявляет впечатляющие 82% в CyberGym-E2E и 61,7% в DeepSWE v1.1, но падает до 15,83% в независимом Legal Agent Benchmark от Харви.

      Источник ↗
    • Wenxinместо 3

      Результаты агента на 123 млрд выглядят отлично на бумаге — независимые тесты показывают разрыв в 20 пунктов

      Источник ↗
    • DeepSeekместо 3

      Заявления Мистраль на запуске: 82% в CyberGym-E2E, 93% в Cybench и 61,7% в DeepSWE. Но независимое тестирование Cyber Index даёт около 51%, разрыв примерно в 31 пункт, и это главное число для покупателей агентов по безопасности.

      Источник ↗
    • Qwenместо 3

      Мистраль заявляет 82% в CyberGym и 61,7% в DeepSWE, а независимые тестировщики измерили 81,7% и 60% — редкий «честный» разрыв доверия.

      Источник ↗
    7 ИИ поставили сюда
    Источник ↗
  2. 2

    DeepSeek V4.1 Flash

    Лучшая открытая модель в индексе Валс АИ: 61,26% при $0,66 за тест, а на FrontierCode — лучшая из выпущенных моделей, 28%. Независимые результаты на Terminal-Bench 4.0 расходятся: 19,7% против 31,8%.

    Включили: Claude, ChatGPT, Meta, DeepSeek, Qwen. Не включили: Gemini, Nova, Wenxin.

    В их списках: Claude: 3 · ChatGPT: 1 · Meta: 1 · DeepSeek: 1 · Qwen: 2

    Что отметил каждый ИИ 5
    • Claudeместо 3

      Диаграмма Мистраль эту модель не включала, а таблица Reflection AI ставит её выше Large 4 в DeepSWE (74,2% против 61,7%).

      Источник ↗
    • ChatGPTместо 1

      Её независимо измеренные 28% в FrontierCode лидируют среди выпущенных открытых весов, а один измеренный провайдер берёт $0,37 за попытку составного теста на интеллект.

      Источник ↗
    • Metaместо 1

      Лидер открытых моделей в индексе Валс АИ: 61,26% при $0,66 за тест против Sonnet 5.5 при $18,70 — в 28 раз дешевле; Terminal-Bench 2.1 у производителя 90,6, но по независимым замерам 31,8

      Источник ↗
    • DeepSeekместо 1

      Независимый индекс Vals 61,26% при $0,66 за тест, но заявленные вендором 74,2 в DeepSWE обваливаются до 19,7% в независимом Terminal-Bench 4.0 от Валс АИ. Это один из самых широких разрывов доверия в отрасли.

    • Qwenместо 2

      Рабочая лошадка с лицензией MIT, которая выполняет сложные многофайловые агенты для кода за долю стоимости американских фронтирных моделей.

    5 ИИ поставили сюда
    Источник ↗
  3. 3

    Xiaomi MiMo-V2.6-Pro

    Набирает 57,81–59,5% в индексе Vals при $0,13–$0,24 за попытку теста. Её 89,9 в Terminal-Bench 2.1 и 71,9 в DeepSWE — собственные цифры Xiaomi.

    Включили: Claude, ChatGPT, Meta, DeepSeek, Qwen. Не включили: Gemini, Nova, Wenxin.

    В их списках: Claude: 7 · ChatGPT: 3 · Meta: 2 · DeepSeek: 5 · Qwen: 8

    Что отметил каждый ИИ 5
    • Claudeместо 7

      В обзоре Валс АИ говорится, что она примерно в 100 раз дешевле Claude Opus 5.5.

    • ChatGPTместо 3

      Сочетает профессиональную точность 57,81% по Валс АИ и заявленную стоимость $0,24 за попытку теста на интеллект у GMI.

      Источник ↗
    • Metaместо 2

      89,9 в Terminal-Bench 2.1, чуть выше Claude Opus 5 с 89,1, 71,9 в DeepSWE v1.1, 94% в CyberGym, $0,13 за задачу интеллекта

      Источник ↗
    • DeepSeekместо 5

      Независимая оценка Валс АИ — 59,5%, полная лицензия MIT, $0,435/$0,87 за миллион токенов: среди действительно открытых моделей это лучший вариант по цене одной доведённой до конца задачи.

      Источник ↗
    • Qwenместо 8

      Специализированный агент рассуждений, который обгоняет универсальные модели в задачах кода с большим количеством математики, не требуя базы в 100 млрд параметров.

      Источник ↗
    5 ИИ поставили сюда
    Источник ↗
  4. 4

    GLM-5.3 (Z.ai)

    Набирает 48–49 в Coding Agent Index от Artificial Analysis и 40% в Terminal-Bench 4.0. Её результат 84,5% в CyberGym идёт от Z.ai, которая опубликовала методику, но пока никто это не воспроизвёл.

    Включили: Claude, ChatGPT, Meta, DeepSeek. Не включили: Gemini, Nova, Wenxin, Qwen.

    В их списках: Claude: 1 · ChatGPT: 2 · Meta: 3 · DeepSeek: 2

    Что отметил каждый ИИ 4
    • Claudeместо 1

      Z.ai опубликовала свою методику теста (Claude Code 2.1.207, pass@1 по 1 507 задачам CyberGym), чтобы любой мог оспорить её 84,5, но независимых подтверждений пока нет.

    • ChatGPTместо 2

      Совпадает с индексом интеллекта DeepSeek (32), но стоит $2,53 за попытку теста на интеллект у одного независимо измеренного провайдера.

      Источник ↗
    • Metaместо 3

      84,5% CyberGym white-box — технически впереди Claude Mythos 5 с 83,8%, DeepSWE 66,9% против 46,2 раньше, 40% в Terminal-Bench 4.0

      Источник ↗
    • DeepSeekместо 2

      В категории кодинга у Валс АИ — 64,3, лучший результат среди открытых агентов для кода. Независимые цифры держатся лучше, чем у большинства, но спор о лицензии важен для тех, кто размещает агентов для клиентов.

      Источник ↗
    4 ИИ поставили сюда
    Источник ↗
  5. 5

    Kimi K3 (Moonshot AI)

    Около 57–58% в индексе Vals. Её 88,3 в Terminal-Bench 2.1 — собственная цифра Moonshot, в таблице Meta указано 85,0, а веса занимают 1,4 ТБ.

    Включили: Claude, ChatGPT, Meta, DeepSeek. Не включили: Gemini, Nova, Wenxin, Qwen.

    В их списках: Claude: 4 · ChatGPT: 8 · Meta: 6 · DeepSeek: 4

    Что отметил каждый ИИ 4
    • Claudeместо 4

      Её 88,3 в Terminal-Bench 2.1 — собственная цифра Moonshot AI, в таблице Meta указано 85,0, а веса весят 1,4 ТБ.

      Источник ↗
    • ChatGPTместо 8

      Сильный результат в человеческих предпочтениях делает её достойной проверки как агента для планирования или ревью, но это не доказательство завершённых рабочих цепочек с инструментами.

    • Metaместо 6

      Лучшая открытая в индексе Валс АИ с 57%, 1488 Arena; K3.1 Pro набирает 67% в Terminal-Bench 4.0 в v5 — лучший результат открытых моделей в терминале.

      Источник ↗
    • DeepSeekместо 4

      Независимый результат 57,8% в Валс АИ и 1487 в LMArena среди открытых, но порог выручки в $20 млн и потолок в 100 млн активных пользователей в месяц означают, что платформам агентов нужно закладывать бюджет на коммерческую сделку, а не только на GPU.

      Источник ↗
    4 ИИ поставили сюда
    Источник ↗
  6. 6

    Qwen3.8 Max (2.4T-A95B)

    Её собственные цифры Terminal-Bench 2.1 расходятся (86,6 против 67,4), а независимой оценки агента нет. При 2,4 трлн параметров для сервисов и бизнесов с помощниками для программирования нужна отдельная лицензия с порогом $50 млн.

    Включили: Claude, Meta, DeepSeek, Qwen. Не включили: ChatGPT, Gemini, Nova, Wenxin.

    В их списках: Claude: 6 · Meta: 8 · DeepSeek: 6 · Qwen: 5

    Что отметил каждый ИИ 4
    • Claudeместо 6

      Заявление о 92,6 в GPQA относится к версии Max, а не к той, что можно скачать.

    • Metaместо 8

      2,4 трлн всего, 95 млрд активных, отдельный порог MaaS в 50 млн долларов, 68,89% в IOI; 27-миллиардная версия Apache — чистая запасная лицензия

      Источник ↗
    • DeepSeekместо 6

      Сильные результаты агентов для кода (67,4 в Terminal-Bench 2.1 по данным вендора), но порог выручки в $50 млн для конкурирующих MaaS и сервисов-помощников по коду. Платформа агентов, которая размещает её для клиентов, должна заложить коммерческую сделку.

      Источник ↗
    • Qwenместо 5

      Агент-оркестратор Алибаба доминирует в азиатских юридических и финансовых процессах, но её лицензия с потолком выручки в $50 млн замедляет внедрение в глобальных облачных сервисах.

    4 ИИ поставили сюда
    Источник ↗
  7. 7

    Meta Muse Spark Open

    1-е место в юридическом тесте агентов Харви — 25,00% и 3-е из 79 в финансовых агентах Vals, но всего 46,61% в индексе Vals при $4,08 за тест (по одному источнику).

    Включили: Claude, Meta, DeepSeek. Не включили: ChatGPT, Gemini, Nova, Wenxin, Qwen.

    В их списках: Claude: 5 · Meta: см. список · DeepSeek: 7

    Что отметил каждый ИИ 3
    • Claudeместо 5

      Meta утверждает, что модель обходит Kimi K3 в использовании инструментов, но отстаёт в программировании: 76,4 против 85,0 в Terminal-Bench 2.1.

      Источник ↗
    • Meta

      В его списке названо иначе: откройте весь список.

      см. список
    • DeepSeekместо 7

      Первое место в Харви Legal Agent Benchmark от Валс АИ с 25,00%, но триггер перепродажи MaaS в $20 млн означает, что юридические платформы нуждаются в отдельной сделке, прежде чем размещать её для клиентов.

    3 ИИ поставили сюда
    Источник ↗
  8. 8

    GLM-5.3 Flash (Z.ai)

    Недорогой агент с лицензией MIT: 47,22% в индексе Валс АИ при $0,15/$0,50 за миллион токенов. Его 84,3 на Terminal-Bench 2.1 — цифра самого разработчика.

    Включили: Meta, DeepSeek. Не включили: Claude, ChatGPT, Gemini, Nova, Wenxin, Qwen.

    В их списках: Meta: 4 · DeepSeek: 9

    Что отметил каждый ИИ 2
    • Metaместо 4

      MIT, $0,15/$0,50, 84,3 в Terminal-Bench 2.1 по данным вендора, лучшая стоимость запуска открытого агента на одном хосте

      Источник ↗
    • DeepSeekместо 9

      Всего 23 в Artificial Analysis v5, но OpenMDW-1.1 открывает веса, обучающие данные и рецепты — самая прозрачная модель для долгоживущих агентов, по $0,60/$2,60 за миллион токенов.

    2 ИИ поставили сюда
    Источник ↗
  9. 9

    Nvidia Nemotron 3.5 Bolt 74B

    Самый лёгкий вариант: 74 млрд параметров, из них 9 млрд активных, помещается на видеокарту на 24 ГБ при 2-битном сжатии. Её 50,98 в Terminal-Bench 2.1 — собственная цифра Nvidia, независимой оценки пока нет.

    Включили: Claude, Meta. Не включили: ChatGPT, Gemini, Nova, Wenxin, DeepSeek, Qwen.

    В их списках: Claude: 8 · Meta: 10

    Что отметил каждый ИИ 2
    • Claudeместо 8

      Самая лёгкая из группы: 74 млрд, из них 9 млрд активных, помещается в 24 ГБ при 2-битном сжатии.

    • Metaместо 10

      Лучшее соответствие железу в США: Gemma 31B с 1452 в Arena, Nemotron на 74 млрд всего и 9 млрд активных помещается в GPU на 24 ГБ, Apache 2.0 + открытая лицензия Nvidia

      Источник ↗
    2 ИИ поставили сюда
    Источник ↗
  10. 10

    DeepSeek V4 Pro

    76% в CyberGym-E2E без отказов на 840 состязательных задачах, близко к 79% у Мистраль, лицензия MIT. Это сообщает только один источник.

    Включили: Meta. Не включили: Claude, ChatGPT, Gemini, Nova, Wenxin, DeepSeek, Qwen.

    В их списках: Meta: 7

    Что отметил каждый ИИ 1
    • Metaместо 7

      MIT, ноль отказов на 840 атакующих задачах по безопасности, 76% в CyberGym-E2E против 79% у Мистраль Large 4, вдвое дешевле за успех

      Источник ↗
    1 ИИ поставили сюда
    Источник ↗

Тройка подробно ↓

02Подробнее о тройке

Рейтинг выше. Здесь — подробнее о первых трёх местах: что это, почему они здесь и что стоит знать.

Эти три оценки считаются не одинаково: место Мистраль опирается на то, насколько близко её заявление о кибербезопасности к независимым тестам, а двум другим дают оценку по баллам Vals Index и цене за тест, которая у разных поставщиков разная.

1Мистраль Large 4

№ 1 — Мистраль Large 4. В списках у 7 из 8 ИИ; медианное место там: 3. ИИ поставили её на первое место, потому что её заявление о кибербезопасности меньше всего расходится с тем, что показали независимые тесты, хотя остальные её результаты слабее.

А вы знали

  • Мистраль 7B вышла 27 сентября 2023 года в виде magnet-ссылки BitTorrent, а не обычной страницы загрузки. Mixtral 8x7B (декабрь 2023) и Mixtral 8x22B (апрель 2024) тоже распространялись в Твиттере как ссылки BitTorrent.

    Источник ↗
Что это
Большая модель Мистраль, которую можно использовать для агентов, с обещанными открытыми весами.
Чем сильнее
Её заявление о кибербезопасности, около 82%, ближе всех к независимым результатам.
Кому подходит
Подойдёт командам, которые следят за безопасностью и ценят честные заявления; не подойдёт тем, кому нужны низкая цена или скорость.
  • Оценка в индексе Валс#32 из 44 в индексе Валс
А вы знали

  • Первый раунд финансирования Мистраль в июне 2023 года составил €105 млн ($117 млн). Financial Times оценила компанию в €240 млн, когда ей было всего около двух месяцев.

    Источник ↗
История

  • 6 октября 2026 года Мистраль открыла публичный предварительный доступ к Мистраль Large 4. Она сказала, что файлы весов для загрузки выйдут до конца октября, после дополнительной работы над безопасностью. В статье сказано, что этот шаг по безопасности ещё не завершён.

    Источник ↗
Что важно учесть

  • Она очень долго думает перед ответом, поэтому пишет много слов. В одном тесте набралось около 200 млн токенов против медианы около 81 млн. Первый токен на длинном запросе появлялся примерно через 18,7 секунды.

    Источник ↗

  • Она набрала 38,4 балла в Artificial Analysis Intelligence Index, уступив Kimi K3 и Qwen 3.8 Max. Доля галлюцинаций, то есть выдуманных ответов, — 41,9%. Более дешёвые модели, например DeepSeek V4.1 Flash, набирают примерно столько же и обходятся за задачу гораздо дешевле.

    Источник ↗
Где узнать больше

  • Откройте объявление Мистраль о Large 4 и сначала прочитайте список тестов из заявления производителя, начиная с заявления о кибербезопасности в 82%. На странице сказано, что открытые веса должны были выйти до конца месяца, поэтому проверьте, вышли ли они.

    Источник ↗
Сравнить первую тройку ↓

2DeepSeek V4.1 Flash

№ 2 — DeepSeek V4.1 Flash. В списках у 5 из 8 ИИ; медианное место там: 1. ИИ поставили её на второе место по лучшему результату в индексе Валс среди открытых моделей при низкой цене за тест, несмотря на неровные результаты в Terminal-Bench.

А вы знали

  • Несмотря на название «Flash», у модели около 552 млрд параметров всего. При чтении запроса активны около 8 млрд на токен, а при написании ответа около 16 млрд, поэтому её дёшево запускать.

    Источник ↗
Что это
Дешёвая и быстрая модель DeepSeek с огромной памятью для длинных текстов.
Чем сильнее
Она лидирует среди открытых моделей в индексе Валс и стоит за тест намного дешевле.
Кому подходит
Подойдёт программистам, которым нужны сильные результаты недорого; не подойдёт тем, кому нужны стабильные результаты во всех тестах.
  • Оценка в индексе Валс61,26% при $0,66 за тест
А вы знали

  • DeepSeek V4.1 Flash может читать около 1 млн токенов за раз, это примерно несколько длинных романов. Она также может написать до 384 тыс. токенов в одном ответе, хотя точные лимиты зависят от поставщика.

    Источник ↗
История

  • DeepSeek V4.1 Flash вышла 10 сентября 2026 года. В описании сказано, что она «заменяет» V4 Flash и V4 Pro. Описание не говорит, сняты ли старые модели с поддержки.

    Источник ↗
Что важно учесть

  • Большие результаты — это собственные оценки DeepSeek, которые никто независимо не проверял. В Humanity's Last Exam, сложном академическом тесте, она набирает 36,8 против 56,3 у Opus 5. Также она отстаёт от американских моделей в Terminal-Bench 3.0.

    Источник ↗
Где узнать больше

  • Откройте страницу Валс АИ и сначала посмотрите результат в Terminal-Bench 4.0. Там показано 19,70% по этому тесту; сравните его с результатом 2.1 на той же странице, чтобы понять, почему цифры различаются.

    Источник ↗
ChatGPT, Meta, DeepSeek поставили его первым. Что они в нём увидели

  • ChatGPT: Её независимо измеренные 28% в FrontierCode лидируют среди выпущенных открытых весов, а один измеренный провайдер берёт $0,37 за попытку составного теста на интеллект.

  • Meta: Лидер открытых моделей в индексе Валс АИ: 61,26% при $0,66 за тест против Sonnet 5.5 при $18,70 — в 28 раз дешевле; Terminal-Bench 2.1 у производителя 90,6, но по независимым замерам 31,8

  • DeepSeek: Независимый индекс Vals 61,26% при $0,66 за тест, но заявленные вендором 74,2 в DeepSWE обваливаются до 19,7% в независимом Terminal-Bench 4.0 от Валс АИ. Это один из самых широких разрывов доверия в отрасли.

Сравнить первую тройку ↓

3Xiaomi MiMo-V2.6-Pro

№ 3 — Xiaomi MiMo-V2.6-Pro. В списках у 5 из 8 ИИ; медианное место там: 5. ИИ поставили её на третье место: хороший результат в Vals Index при очень низкой цене, а лучшие её показатели приводит только Xiaomi.

А вы знали

  • MiMo-V2.6-Pro имеет около 1,02 трлн параметров, но на токен активны только 42 млрд. Её веса лежат на Hugging Face по лицензии MIT, которая разрешает коммерческое использование.

    Источник ↗
Что это
Огромная модель Xiaomi с открытыми весами по лицензии MIT, созданная для работы агентов.
Чем сильнее
Из трёх она стоит за тест меньше всего: $0,13–$0,24.
Кому подходит
Подойдёт командам, которым нужна дешёвая открытая модель; не подойдёт тем, у кого нет мощных серверов с GPU.
  • Оценка в индексе Валс57,81–59,5% при $0,13–$0,24
А вы знали

  • По сообщениям, релиз включает не только веса, но и код обучения и среды для обучения с подкреплением. Это встречается реже, чем простая загрузка модели.

    Источник ↗
История

  • После выхода MiMo-V2.6 в 2026 году пользователи агентов заметили, что она иногда снова и снова отправляет один и тот же вызов инструмента, выглядя занятой и не продвигаясь вперёд. Более поздняя версия MOPD от Xiaomi проверяется именно на эту проблему.

    Источник ↗
Что важно учесть

  • Запустить её самостоятельно тяжело: «До KV-кэша нужно около 573 ГБ весов в памяти GPU». В руководстве сказано, что на практике это значит 8 карт H200.

    Источник ↗

  • Высокие результаты в агентских тестах — собственные оценки Xiaomi, измеренные в её собственных средах тестирования. В руководстве сказано, что «никто вне Xiaomi не может воспроизвести» внутренние тесты. Модель также многословна: 140 млн выходных токенов по всему набору оценок.

    Источник ↗
Где узнать больше

  • Сначала прочитайте таблицу тестов в карточке модели, затем рекомендуемые настройки. Результаты там собственные у Xiaomi, поэтому сверьте их с независимыми данными, например Валс АИ, прежде чем на них полагаться.

    Источник ↗
Сравнить первую тройку ↓

Тройка рядом

Мистраль Large 4DeepSeek V4.1 FlashXiaomi MiMo-V2.6-Pro
В списках ИИ7 / 85 / 85 / 8
Оценка в индексе Валс#32 из 44 в индексе Валс61,26% при $0,66 за тест57,81–59,5% при $0,13–$0,24
Первым поставили—ChatGPT, Meta, DeepSeek—

Места с одинаковым числом ИИ упорядочены по среднему месту в списках самих ИИ.

Другие рейтинги

03Стоит знать

Что заметили ИИ, пока составляли список.

Обвязка меняет результаты агентов не меньше, чем сама модель: одна модель набрала 45,9% в SWE-Bench Pro со стандартной обвязкой и 55,4% со своим агентом разработчика.

Заметили:
Включили: Claude, DeepSeek. Не включили: ChatGPT, Meta, Gemini, Nova, Wenxin, Qwen.
Источник ↗

Разработчики приводят оценки Terminal-Bench 2.1 в 76–90, а независимые запуски Terminal-Bench 4.0 дают примерно 20–41%. Версии тестов разные, поэтому этот разрыв — предупреждение, а не измерение.

Заметили:
Включили: Claude, Meta, DeepSeek. Не включили: ChatGPT, Gemini, Nova, Wenxin, Qwen.
Источник ↗

Мистраль Large 4 набирает 81,56% в Vibe Code, но 26,26% в Terminal-Bench 4.0, и 67,68% в юридическом индексе Vals, но 15,83% как юридический агент. Знать материал — не то же самое, что довести задачу до конца.

Заметили:
Включили: ChatGPT, Gemini. Не включили: Claude, Meta, Nova, Wenxin, DeepSeek, Qwen.
Источник ↗

Заявление Мистраль о кибербезопасности — редкое почти совпадение стартовой цифры с независимым тестом (~82% против 81,7%), но часть её преимущества идёт от закрытых моделей, которые отказываются выполнять задачи.

Заметили:
Включили: Claude, Meta, Qwen. Не включили: ChatGPT, Gemini, Nova, Wenxin, DeepSeek.
Источник ↗

DeepSeek V4.1 Flash стоит $0,66 за тест Vals против $18,70 у Claude Sonnet 5.5, то есть примерно в 28 раз дешевле при точности ниже примерно на 9 пунктов.

Заметили:
Включили: Meta, DeepSeek. Не включили: Claude, ChatGPT, Gemini, Nova, Wenxin, Qwen.
Источник ↗

04Что спрашивают люди

Модели ИИ и ИИ-агенты: в чём разница?

Модель — это обученная система ИИ; агент — это эта модель плюс обвязка, инструменты и память, которые работают по кругу. Одна только обвязка может поднять оценку с 45,9% до 55,4%.

Источник ↗
Какая модель ИИ лучше для агентов?

Среди моделей с открытыми весами DeepSeek V4.1 Flash лидирует в индексе Vals с 61,26% при $0,66 за тест. Для юридических агентов Muse Spark Open впереди в тесте Харви с 25,00%.

Источник ↗
Какая модель ИИ лучше для Hermes Agent?

Нус Рисерч не называет официальной модели по умолчанию, а руководства расходятся (Kimi K3, GLM-5.2, MiniMax M3, небольшая Qwen для локального запуска). Проверьте в своей обвязке Hermes.

Источник ↗
Почему оценки агентов от разработчиков и независимые оценки различаются?

Разработчики сообщают свою лучшую обвязку и настройки, а часто и более старую версию теста. Заявленная разработчиком оценка DeepSeek в Terminal-Bench 4.0 — 42,3%, а Vals измерил 31,8%.

Источник ↗

05Как считали

Простыми словами, без формул.

1Вопрос

Топ-10 моделей с открытыми весами для ИИ-агентов: кто доводит дело до конца, а не кто громче в пресс-релизе

2Почему эта тема

Тот, кто создаёт агентов, видит, какие открытые модели держатся вне лаборатории разработчика и где громкий заголовок расходится с независимым тестом.

3Где это применимо

Модели с открытыми весами по всему миру, которые используются как агенты для программирования, кибербезопасности и юридической работы

4На что смотрели

  • Успешное выполнение задач агентами по независимым тестам
  • Разрыв между оценкой агента, заявленной разработчиком, и ближайшей независимой оценкой
  • Стоимость одной выполненной задачи
  • Размер модели и железо, нужное для её запуска
  • Валс АИ (индекс Vals, тест юридических агентов Харви, Terminal-Bench 4.0, финансовые агенты) — независимая точность в профессиональных задачах агентов со стоимостью каждого теста
  • Artificial Analysis (FrontierCode 2.0, Coding Agent Index, Cyber Index) — независимое выполнение задач агентов по программированию и кибербезопасности со стоимостью каждой попытки
  • Оценки агентов, заявленные разработчиками — собственные результаты в день запуска (CyberGym, Cybench, DeepSWE, Terminal-Bench 2.1), измеренные в обвязке каждого разработчика
  • Размер модели и железо — общее и активное число параметров и видеокарты, нужные для запуска модели

5Кто ставил места

Ведущие ИИ: Claude, ChatGPT, Meta, Gemini, Nova, Wenxin, DeepSeek, Qwen. Каждый сам составил свой список из десяти мест и к каждому месту назвал источник.

6Как сведены места

Одно и то же, названное разными ИИ по-разному, считали за одно. Чем больше ИИ включили пункт в свой список и чем выше поставили, тем выше его место. «Согласие ИИ» показывает, у скольких ИИ этот пункт был в собственном списке. Источники — только те, что нашли сами ИИ, ничего не добавлено вручную.

06Список каждого ИИ отдельно

🇺🇸 Claude10 мест · заметок: 3

Тот же вопрос, ответ одного ИИ — Claude. Итоговый список выше объединяет все ИИ.

  1. 1
    GLM-5.3 (Z.ai, 2026)

    Z.ai опубликовала свою методику теста (Claude Code 2.1.207, pass@1 по 1 507 задачам CyberGym), чтобы любой мог оспорить её 84,5, но независимых подтверждений пока нет.

  2. 2
    Мистраль Large 4 (2026)

    У её кибертезиса самый маленький видимый разрыв: Мистраль говорит примерно о 82% в CyberGym-E2E, а независимый индекс измерил 81,7%.

    Источник ↗
  3. 3
    DeepSeek V4.1 Flash (2026)

    Диаграмма Мистраль эту модель не включала, а таблица Reflection AI ставит её выше Large 4 в DeepSWE (74,2% против 61,7%).

    Источник ↗
  4. 4
    Kimi K3 (Moonshot AI, 2026)

    Её 88,3 в Terminal-Bench 2.1 — собственная цифра Moonshot AI, в таблице Meta указано 85,0, а веса весят 1,4 ТБ.

    Источник ↗
  5. 5
    Muse Spark Open (Meta, 2026)

    Meta утверждает, что модель обходит Kimi K3 в использовании инструментов, но отстаёт в программировании: 76,4 против 85,0 в Terminal-Bench 2.1.

    Источник ↗
  6. 6
    Qwen3.8-2.4T-A95B (Алибаба, 2026)

    Заявление о 92,6 в GPQA относится к версии Max, а не к той, что можно скачать.

  7. 7
    MiMo-V2.6-Pro (Xiaomi, 2026)

    В обзоре Валс АИ говорится, что она примерно в 100 раз дешевле Claude Opus 5.5.

  8. 8
    Nemotron 3.5 Bolt 74B-A9B (Nvidia, 2026)

    Самая лёгкая из группы: 74 млрд, из них 9 млрд активных, помещается в 24 ГБ при 2-битном сжатии.

  9. 9
    Qwen3.8 27B (Алибаба, 2026)

    Агентный «мозг» для ноутбука: 34 по старому индексу, но всего 20 в v5.

    Источник ↗
  10. 10
    Kolibri-1 (Алеф Альфа, 2026)

    Работает на двух A100 по 80 ГБ, но набирает лишь 27,7 в Terminal-Bench 2.1 — по собственным данным.

Что заметил Claude

Кибертезис Мистраль — единственное место, где цифра на день запуска почти совпадает с независимой: заявлено около 82%, измерено 81,7%. Но аргумент частично опирается на то, что закрытые модели отказываются от задач, и этот разрыв может сократиться, когда веса станут публичными.

Источник ↗

Выбор обвязки (среды, в которой работает агент) двигает результаты агентов так же сильно, как выбор модели. Одна модель набрала 45,9% в SWE-Bench Pro при стандартной обвязке и 55,4% с собственным агентом вендора, а Scale AI увидела разброс в 5,2 пункта между тремя агентами.

Источник ↗

Заявленные вендорами оценки открытых моделей в Terminal-Bench 2.1 — от 76 до 88, а лучший открытый результат в Terminal-Bench 2 — 51,9%. Версии и обвязки здесь разные, поэтому разрыв — это предупреждение, а не измерение.

Источник ↗
🇺🇸 ChatGPT10 мест · заметок: 2

Тот же вопрос, ответ одного ИИ — ChatGPT. Итоговый список выше объединяет все ИИ.

  1. 1
    DeepSeek V4.1 Flash 1017 (2026)

    Её независимо измеренные 28% в FrontierCode лидируют среди выпущенных открытых весов, а один измеренный провайдер берёт $0,37 за попытку составного теста на интеллект.

    Источник ↗
  2. 2
    GLM-5.3 (2026, Z.ai)

    Совпадает с индексом интеллекта DeepSeek (32), но стоит $2,53 за попытку теста на интеллект у одного независимо измеренного провайдера.

    Источник ↗
  3. 3
    MiMo-V2.6-Pro (2026, Xiaomi)

    Сочетает профессиональную точность 57,81% по Валс АИ и заявленную стоимость $0,24 за попытку теста на интеллект у GMI.

    Источник ↗
  4. 4
    Мистраль Large 4 OSS (2026, Франция)

    Её независимый результат 81,56% в Vibe Code контрастирует с 26,26% в Terminal-Bench 4.0: выбор задач кардинально меняет картину.

  5. 5
    MiMo-V2.6-Flash (2026, Xiaomi)

    При $0,11 за попытку теста на интеллект у GMI это недорогой кандидат для повторных запусков агента.

    Источник ↗
  6. 6
    Ling 3.1 Flash 1019 (2026)

    Её 29 пунктов интеллекта и 25 млрд активных параметров ставят её среди сильных эффективных кандидатов в агенты.

    Источник ↗
  7. 7
    Step 5 Preview (2026, StepFun)

    Её 29 пунктов совпадают с Ling, но примерно $0,50 за смешанный токен ухудшают экономику повторных попыток.

    Источник ↗
  8. 8
    Kimi K3 (2026, Moonshot AI)

    Сильный результат в человеческих предпочтениях делает её достойной проверки как агента для планирования или ревью, но это не доказательство завершённых рабочих цепочек с инструментами.

  9. 9
    MiniMax-M3.1-Flash (2026)

    Результат 29 по интеллекту и измеренная стоимость теста $0,42 за попытку делают её интересной, хотя права на развёртывание остаются неясными.

    Источник ↗
  10. 10
    Мистраль Large 3 (2025–2026)

    Apache 2.0 даёт операционное преимущество, когда компания хочет размещать агентов для клиентов без исключения Large 4 для MaaS (онлайн-продажи доступа к модели).

    Источник ↗

Что заметил ChatGPT

В FrontierCode 2.0 лучшая выпущенная открытая модель достигает 28%, против 46% у Claude Opus 5.5. Разрыв в 18 пунктов — прямое предупреждение против того, чтобы отождествлять общий интеллект с надёжностью автономного программирования.

Источник ↗

Попытка за $0,11 не обязательно дешевле попытки за $0,37, если дешёвая модель проваливается гораздо чаще. Экономику завершённых задач нужно считать с учётом повторов и ручной доработки.

Источник ↗
🇺🇸 Meta10 мест · заметок: 4

Тот же вопрос, ответ одного ИИ — Meta. Итоговый список выше объединяет все ИИ.

  1. 1
    DeepSeek V4.1 Flash 1017 (2026, Китай)

    Лидер открытых моделей в индексе Валс АИ: 61,26% при $0,66 за тест против Sonnet 5.5 при $18,70 — в 28 раз дешевле; Terminal-Bench 2.1 у производителя 90,6, но по независимым замерам 31,8

    Источник ↗
  2. 2
    Xiaomi MiMo-V2.6-Pro (2026, Китай)

    89,9 в Terminal-Bench 2.1, чуть выше Claude Opus 5 с 89,1, 71,9 в DeepSWE v1.1, 94% в CyberGym, $0,13 за задачу интеллекта

    Источник ↗
  3. 3
    Z.ai GLM-5.3 (2026, Китай)

    84,5% CyberGym white-box — технически впереди Claude Mythos 5 с 83,8%, DeepSWE 66,9% против 46,2 раньше, 40% в Terminal-Bench 4.0

    Источник ↗
  4. 4
    Z.ai GLM-5.3 Flash (2026, Китай)

    MIT, $0,15/$0,50, 84,3 в Terminal-Bench 2.1 по данным вендора, лучшая стоимость запуска открытого агента на одном хосте

    Источник ↗
  5. 5
    Мистраль Large 4 Le Chonk (2026, Франция)

    По данным вендора 93% в Cybench, 82% исправления уязвимостей, 61,7% в DeepSWE v1.1 — независимо 41% в Terminal-Bench 4.0 и 48% в Coding Agent Index при расходе на 47% меньше токенов

    Источник ↗
  6. 6
    Moonshot Kimi K3 (2026, Китай)

    Лучшая открытая в индексе Валс АИ с 57%, 1488 Arena; K3.1 Pro набирает 67% в Terminal-Bench 4.0 в v5 — лучший результат открытых моделей в терминале.

    Источник ↗
  7. 7
    DeepSeek V4 Pro 0813 (2026, Китай)

    MIT, ноль отказов на 840 атакующих задачах по безопасности, 76% в CyberGym-E2E против 79% у Мистраль Large 4, вдвое дешевле за успех

    Источник ↗
  8. 8
    Алибаба Qwen3.8-2.4T-A95B Max (2026, Китай)

    2,4 трлн всего, 95 млрд активных, отдельный порог MaaS в 50 млн долларов, 68,89% в IOI; 27-миллиардная версия Apache — чистая запасная лицензия

    Источник ↗
  9. 9
    MiniMax M3.1 Flash (2026, Китай)

    428 млрд всего, 23 млрд активных в MoE, $0,075/$0,30 — самый дешёвый фронтирный агент, 43 в Intelligence Index, веса на Hugging Face 23 октября

    Источник ↗
  10. 10
    Google Gemma 4 31B / Nvidia Nemotron 3.5 Bolt 74B (2026, США)

    Лучшее соответствие железу в США: Gemma 31B с 1452 в Arena, Nemotron на 74 млрд всего и 9 млрд активных помещается в GPU на 24 ГБ, Apache 2.0 + открытая лицензия Nvidia

    Источник ↗

Что заметил Meta

Разрыв доверия — более 10 пунктов: DeepSeek V4.1 Flash — 42,3% в Terminal-Bench 4.0 по данным вендора против 31,8% по Валс АИ, Мистраль Large 4 — 82% исправления уязвимостей по данным вендора против 41% в Terminal-Bench 4.0 по независимым замерам. Заявления на запуске на 20 пунктов выше независимых перепроверок.

Источник ↗

Стоимость завершённой задачи: DeepSeek V4.1 Flash — 1017 при $0,66 за тест Vals против Claude Sonnet 5.5 за $18,70 и Opus 5.5 за $28,12. Это в 28 и 42 раза дешевле при точности на 9 пунктов ниже.

Источник ↗

CyberGym насыщен: GLM-5.3 с 84,5% против Claude Mythos 5 с 83,8% и GPT-5.6 Sol с 83,6% — в пределах 7,3 пункта. Разница в возможностях не видна в заголовочном проценте.

Источник ↗

Terminal-Bench отделяет сильных: лучшая открытая Kimi K3.1 Pro — 67%, лучшая выпущенная DeepSeek V4.1 Flash — 28% в FrontierCode и 13% в Terminal-Bench-Science, большинство открытых моделей ниже 10%.

Источник ↗
🇺🇸 Gemini10 мест

Тот же вопрос, ответ одного ИИ — Gemini. Итоговый список выше объединяет все ИИ.

  1. 1
    Qwen 2.5 Coder 32B Instruct (Алибаба, Китай)

    Самый низкий разрыв доверия в отрасли (менее 4 процентных пунктов): выполняет сложные прогоны агентов для кода за копейки на потребительском железе.

    Источник ↗
  2. 2
    DeepSeek-V3 (Китай, 2024–2026)

    Сочетает огромный MoE на 671 млрд с возможностями вызова инструментов, агрессивным разрывом доверия ниже 5% и ничтожно малой ценой вызовов API.

    Источник ↗
  3. 3
    Llama 3.3 70B Instruct (Meta, США)

    Выполняет 92% последовательностей вызова функций без деградации синтаксиса, с разбросом 5,1% от заявлений Meta в техническом документе.

  4. 4
    Nous Hermes 3 - 70B (Нус Рисерч, США)

    Создана для управления автономными агентами и выполнения функций JSON, сохраняя почти нулевой дрейф промпта на прогонах в 50 шагов.

    Источник ↗
  5. 5
    Мистраль Large 4 (Мистраль AI, Франция, 2026)

    Заявляет впечатляющие 82% в CyberGym-E2E и 61,7% в DeepSWE v1.1, но падает до 15,83% в независимом Legal Agent Benchmark от Харви.

    Источник ↗
  6. 6
    Llama 3.1 405B Instruct (Meta, США)

    Самый большой запас рассуждений среди открытых весов, но для одного потока агента нужен узел дата-центра с 8 GPU.

  7. 7
    DeepSeek-Coder-V2.5 (Китай)

    Надёжный автоматический охотник за багами: 16 млрд активных параметров MoE снижают стоимость завершённых патчей для кода до $0,05.

    Источник ↗
  8. 8
    Qwen 2.5 72B Instruct (Алибаба, Китай)

    Надёжный универсальный агент, который питает оркестраторы нескольких агентов, с устойчивостью контекста в 128 тыс. и минимумом сбоев разбора.

    Источник ↗
  9. 9
    Devstral 24B / Мистраль NeMo (Мистраль AI, Франция)

    Лёгкий местный агент Мистраль, который надёжно выполняет команды терминала в IDE, не сжигая облачные кредиты предприятия.

    Источник ↗
  10. 10
    GLM-4 9B Chat (Чжипу AI, Китай)

    Входной билет для мобильных и периферийных агентов: умеет разбирать действия веб-браузинга в пределах 16 ГБ ОЗУ.

    Источник ↗
🇨🇳 Wenxin10 мест · заметок: 1

Тот же вопрос, ответ одного ИИ — Wenxin. Итоговый список выше объединяет все ИИ.

  1. 1
    Meta Llama 4 Maverick 405B (2026)

    Агент на 405 млрд — но чтобы он закончил работу, нужны 8×H100 и оборудование на 12 тыс.

  2. 2
    DeepSeek-V3.2 671B (2025/2026)

    Трюк с MoE сокращает активные параметры примерно до 37 млрд — агент, который думает масштабно и тратит мало

  3. 3
    Мистраль Large 4 123B (Мистраль AI, Франция, 2026)

    Результаты агента на 123 млрд выглядят отлично на бумаге — независимые тесты показывают разрыв в 20 пунктов

    Источник ↗
  4. 4
    Qwen3 235B-A22B MoE (Алибаба, 2026)

    22 млрд активных при выводе — агент, которого можно реально позволить себе держать работающим 24/7

    Источник ↗
  5. 5
    Falcon 3 180B (TII, Объединённые Арабские Эмираты, 2026)

    Универсал на 180 млрд — неплохой агент, но не специалист, который нужен для кода или права

  6. 6
    Nvidia Nemotron 4 340B (2025/2026)

    Собственная агентская модель Nvidia — создана, чтобы показать их чипы, а не ваш бюджет

  7. 7
    Microsoft Phi-4 14B (2025/2026)

    14 млрд на ноутбуке — агент, который работает, пока варится кофе

  8. 8
    Cohere Command R+ 104B (2025/2026)

    Создан для корпоративных агентов RAG — но «открыт» только если вы не хотите его продавать

    Источник ↗
  9. 9
    Stability AI Stable Code 3 15B (2026)

    Агент для кода на 15 млрд — отлично справляется с задачами GitHub, но не с вашими налогами

  10. 10
    Google Gemma 3 27B (2026)

    Универсальный агент на 27 млрд — достаточно для 80% задач за десятую часть стоимости

    Источник ↗

Что заметил Wenxin

DeepSeek-V3.2 стоит меньше 1 за миллион токенов при собственном размещении, что делает его самым дешёвым агентом из пятёрки лучших. Это MoE, так что на токен активны только около 37 млрд параметров.

Источник ↗
🇨🇳 DeepSeek10 мест · заметок: 1

Тот же вопрос, ответ одного ИИ — DeepSeek. Итоговый список выше объединяет все ИИ.

  1. 1
    DeepSeek V4.1 Flash 1017 (2026)

    Независимый индекс Vals 61,26% при $0,66 за тест, но заявленные вендором 74,2 в DeepSWE обваливаются до 19,7% в независимом Terminal-Bench 4.0 от Валс АИ. Это один из самых широких разрывов доверия в отрасли.

  2. 2
    GLM-5.3 (2026)

    В категории кодинга у Валс АИ — 64,3, лучший результат среди открытых агентов для кода. Независимые цифры держатся лучше, чем у большинства, но спор о лицензии важен для тех, кто размещает агентов для клиентов.

    Источник ↗
  3. 3
    Мистраль Large 4 (Le Chonk, 2026)

    Заявления Мистраль на запуске: 82% в CyberGym-E2E, 93% в Cybench и 61,7% в DeepSWE. Но независимое тестирование Cyber Index даёт около 51%, разрыв примерно в 31 пункт, и это главное число для покупателей агентов по безопасности.

    Источник ↗
  4. 4
    Kimi K3 (Moonshot AI, 2026)

    Независимый результат 57,8% в Валс АИ и 1487 в LMArena среди открытых, но порог выручки в $20 млн и потолок в 100 млн активных пользователей в месяц означают, что платформам агентов нужно закладывать бюджет на коммерческую сделку, а не только на GPU.

    Источник ↗
  5. 5
    MiMo-V2.6-Pro (Xiaomi, 2026)

    Независимая оценка Валс АИ — 59,5%, полная лицензия MIT, $0,435/$0,87 за миллион токенов: среди действительно открытых моделей это лучший вариант по цене одной доведённой до конца задачи.

    Источник ↗
  6. 6
    Qwen 3.8 Max (Алибаба, 2026)

    Сильные результаты агентов для кода (67,4 в Terminal-Bench 2.1 по данным вендора), но порог выручки в $50 млн для конкурирующих MaaS и сервисов-помощников по коду. Платформа агентов, которая размещает её для клиентов, должна заложить коммерческую сделку.

    Источник ↗
  7. 7
    Muse Spark Open (Meta, 2026)

    Первое место в Харви Legal Agent Benchmark от Валс АИ с 25,00%, но триггер перепродажи MaaS в $20 млн означает, что юридические платформы нуждаются в отдельной сделке, прежде чем размещать её для клиентов.

  8. 8
    Step 5 Preview (StepFun, 2026)

    29 в Artificial Analysis v5, контекст 1 млн токенов и MoE-архитектура на 600 млрд, но условия StepFun Model License 1.0 для OEM и MaaS могут блокировать развёртывание агентов, даже если веса скачиваются.

  9. 9
    Nemotron 3 Ultra (Nvidia, 2026)

    Всего 23 в Artificial Analysis v5, но OpenMDW-1.1 открывает веса, обучающие данные и рецепты — самая прозрачная модель для долгоживущих агентов, по $0,60/$2,60 за миллион токенов.

  10. 10
    Beam 1.0 (Reflection AI, 2026)

    30 в Artificial Analysis v5 и 48,5% в AutomationBench-AA — сильно для агентных сценариев, но лишь 3,0% в Terminal-Bench 4.0. Она хорошо справляется с агентами для офисной работы, но не с терминальными.

Что заметил DeepSeek

Агенты с открытыми весами могут сравняться с закрытыми моделями при стоимости меньше одной десятой, если дать им достаточно шагов. Это находка, которая меняет расчёт «купить или построить» для команд по безопасности и юридических агентов.

Источник ↗
🇨🇳 Qwen10 мест · заметок: 2

Тот же вопрос, ответ одного ИИ — Qwen. Итоговый список выше объединяет все ИИ.

  1. 1
    Kimi K3.1 Pro

    Агент Moonshot AI выполняет 94,7% реальных задач по взлому и оставляет огромный разрыв между своим независимым результатом и пресс-релизами всех остальных.

    Источник ↗
  2. 2
    DeepSeek V4.1

    Рабочая лошадка с лицензией MIT, которая выполняет сложные многофайловые агенты для кода за долю стоимости американских фронтирных моделей.

  3. 3
    Мистраль Large 4

    Мистраль заявляет 82% в CyberGym и 61,7% в DeepSWE, а независимые тестировщики измерили 81,7% и 60% — редкий «честный» разрыв доверия.

    Источник ↗
  4. 4
    GLM-5.1

    Дообучена специально под Харви Legal Agent Benchmark: составляет и проверяет договоры быстрее любой универсальной модели.

  5. 5
    Qwen 3.8 Max

    Агент-оркестратор Алибаба доминирует в азиатских юридических и финансовых процессах, но её лицензия с потолком выручки в $50 млн замедляет внедрение в глобальных облачных сервисах.

  6. 6
    Llama 3.3 405B

    Огромное контекстное окно Meta позволяет держать целые кодовые базы в памяти для агентов долгосрочного рефакторинга.

  7. 7
    Yi-Lightning

    Лёгкий агент 01.AI работает на дешёвых облачных GPU, поэтому он выбор по умолчанию для стартапов, которые строят автоматические циклы поддержки клиентов.

    Источник ↗
  8. 8
    MiMo

    Специализированный агент рассуждений, который обгоняет универсальные модели в задачах кода с большим количеством математики, не требуя базы в 100 млрд параметров.

    Источник ↗
  9. 9
    Phi-4

    Небольшой агент Microsoft отлично подходит для локальных проверок безопасности на устройстве, где отправка кода в облако — нарушение нормативных требований.

    Источник ↗
  10. 10
    InternLM 3

    Агентный фреймворк Шанхайской лаборатории искусственного интеллекта включает встроенную трассировку использования инструментов, поэтому он фаворит для аудируемой финансовой оркестрации.

    Источник ↗

Что заметил Qwen

«Разрыв доверия» в агентах сокращается: заявления Мистраль Large 4 (82% в CyberGym) почти совпали с независимыми тестами (81,7%). Это редкий момент прозрачности в области, где полно подобранных бенчмарков.

Источник ↗

Эффективность железа становится новым преимуществом для агентов: Phi-4 и Yi-Lightning позволяют стартапам запускать круглосуточные автономные проверки безопасности на одной RTX 4090, полностью обходя ограничения облачных API по запросам.

Источник ↗