Назад к тренду дня: Босс Intel: миллиарды ИИ-агентов будет трудно контролировать
Рейтинг Poly · из тренда дня

Сравнение стоимости ИИ-агентов 2026: больше всего работы за доллар

На кодинговой таблице Arena за 4 ноября медианная задача Claude Opus 5.5 стоит $17,45, а GPT-6.1 Terra — $1,40: примерно в 12 раз дороже при чистом приросте 23,38% против 13,76%.

  • №1: GPT-6.1 Sol (OpenAI Codex)
  • 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

    GPT-6.1 Sol (OpenAI Codex)

    Дешёвый выбор, на который сходятся три отдельные таблицы: чистый прирост 12,51% на Arena при $0,98, 62,9% в Coding Agent Index при $1,04, 58,2% в Terminal-Bench при $1,92.

    Включили: ChatGPT, Meta, Grok, StepFun, Kimi, DeepSeek. Не включили: Nemotron, Wenxin.

    В их списках: ChatGPT: 2 · Meta: 1 · Grok: 3 · StepFun: 3 · Kimi: 1 · DeepSeek: 4

    Что отметил каждый ИИ 6
    • ChatGPTместо 2

      Медианная стоимость задачи $0,98 и медианное время 10,3 минуты делают его практичным вариантом по соотношению цены и пользы для контролируемых сценариев программирования.

      Источник ↗
    • Metaместо 1

      $0,98 медианно в Arena, $1,27 за задачу Intelligence Index при 55 баллах — в 8 раз дешевле Opus 5.5 max за $10,04 при 58 баллах

    • Grokместо 3

      Медиана 98 центов за всё даёт 12,51% чистого прироста — на шаг впереди Terra и на шаг позади в восстановлении в командной строке.

      Источник ↗
    • StepFunместо 3

      Ход OpenAI по стоимости: в пределах двух пунктов от более дорогих собратьев в той же таблице при $0,56 за медианную задачу.

    • Kimiместо 1

      62,9% реальных инженерных задач решено при $1,04 и 15,5 минуты каждая — около 60 баллов индекса на доллар, в шесть раз больше работы на доллар, чем у лидера таблицы.

      Источник ↗
    • DeepSeekместо 4

      58,2% за $1,92 — пятая часть $9,90 у Astra в том же тесте.

    6 ИИ поставили сюда
    Источник ↗
  2. 2

    Claude Opus 5.5 (Claude Code)

    Самый высокий общий чистый прирост (20,14%), но $17,45 и 39 минут на медианную задачу по коду. Прогоны Terminal-Bench ставят цену в $14,30–$19,07.

    Включили: ChatGPT, Meta, Grok, StepFun, Kimi, DeepSeek. Не включили: Nemotron, Wenxin.

    В их списках: ChatGPT: 6 · Meta: 8 · Grok: 7 · StepFun: 4 · Kimi: 9 · DeepSeek: 6

    Что отметил каждый ИИ 6
    • ChatGPTместо 6

      Он лидирует в общем рейтинге Arena от 3 ноября, но $6,80 за медианную задачу означают, что премия должна окупаться меньшим числом провалов и повторов.

      Источник ↗
    • Metaместо 8

      $0,08 медианно, абсолютно самый дешёвый — 0,62% в целом, 1,9 мин, 26,1 тыс. токенов при $0,10/$0,50

      Источник ↗
    • Grokместо 7

      Больше всего чистого прироста в таблице — 20,14% при $6,79 в целом и $17,45, когда задача — программирование.

      Источник ↗
    • StepFunместо 4

      Лучшее соотношение внутри лучшего семейства: #1 по управляемости и #2 по подтверждённому успеху за $1,31 за задачу, на 64% дешевле собственного уровня Max.

      Источник ↗
    • Kimiместо 9

      Самая дорогая надёжная рабочая лошадка: 66% успеха задач при $13,04 — примерно вдвое дороже за задачу, чем у Codex. Независимый учёт показывает медиану 2,2 минуты на завершение.

      Источник ↗
    • DeepSeekместо 6

      64,8% за $14,30 — надёжная работа по цене, которая требует задачи высокой ценности, чтобы окупиться.

    6 ИИ поставили сюда
    Источник ↗
  3. 3

    Claude Sonnet 5.5 (Claude Code)

    Наравне с Opus 5.5 по подтверждённому успеху в программировании (24,98%) при $8,39 за медианную задачу по коду вместо $17,45. В целом: чистый прирост 15,42% за $3,86.

    Включили: ChatGPT, Meta, Grok, StepFun, Kimi. Не включили: Nemotron, DeepSeek, Wenxin.

    В их списках: ChatGPT: 5 · Meta: 5 · Grok: 5 · StepFun: 6 · Kimi: см. список

    Что отметил каждый ИИ 5
    • ChatGPTместо 5

      Медианная стоимость $3,86 заметно выше дешёвых альтернатив до доллара, но 19,95% подтверждённого успеха делают соотношение с учётом надёжности конкурентоспособным.

      Источник ↗
    • Metaместо 5

      Лидер по GAIA: 74,55% за $178,20 — 15,42% подтверждённого в Arena за $3,83, 16,4 мин — лучшая исследовательская работа на доллар

    • Grokместо 5

      Сравнялся с Opus по подтверждённому успеху в программировании — 24,98%, при $8,39 вместо $17,45.

      Источник ↗
    • StepFunместо 6

      Второй результат по подтверждённому успеху во всей таблице (20,21%) за $3,86 за задачу — средний тариф Антропик, который сохраняет большую часть надёжности.

      Источник ↗
    • Kimi

      В его списке названо иначе: откройте весь список.

      см. список
    5 ИИ поставили сюда
    Источник ↗
  4. 4

    Gemini 4 Argon

    В чат-задачах чистый прирост 13,22% за 52 цента за 3,8 минуты. Слабее в коде: 8,54% за $2,14 на Arena и $5,84 за задачу в Antigravity CLI от Google.

    Включили: ChatGPT, Meta, Grok, Kimi. Не включили: Nemotron, StepFun, DeepSeek, Wenxin.

    В их списках: ChatGPT: 3 · Meta: 3 · Grok: 2 · Kimi: 3

    Что отметил каждый ИИ 4
    • ChatGPTместо 3

      При $0,97 и 7,3 минуты на медианную задачу он быстрее и дешевле Carbon, хотя у Carbon сильнее общий сигнал прироста.

      Источник ↗
    • Metaместо 3

      $0,97 медианно, 10,53% в целом — 0,42% выдуманных вызовов инструментов, самый низкий среди топ-10, 13,52% управляемости

    • Grokместо 2

      В чат-задачах 13,22% чистого прироста за 52 цента и 3,8 минуты.

      Источник ↗
    • Kimiместо 3

      Лучший результат DeepSWE в таблице (78,8%) за $5,84 за задачу — самая сильная работа по сложному программированию на доллар среди трёх крупных обвязок.

      Источник ↗
    4 ИИ поставили сюда
    Источник ↗
  5. 5

    Gemini 4 Carbon

    Больше всего качества меньше чем за $2: чистый прирост 16,72% и подтверждённый успех 18,02% при медианной цене $1,69 — около четверти $6,79 у Opus 5.5. Arena пока помечает это как предварительные данные.

    Включили: ChatGPT, Meta, Grok, StepFun. Не включили: Nemotron, Kimi, DeepSeek, Wenxin.

    В их списках: ChatGPT: 1 · Meta: 4 · Grok: 4 · StepFun: 2

    Что отметил каждый ИИ 4
    • ChatGPTместо 1

      При $1,69 за медианную задачу — 18,04% подтверждённого пользователями успеха в снимке Arena от 3 ноября; это самое сильное наблюдаемое сочетание цены и результата среди ведущих моделей.

      Источник ↗
    • Metaместо 4

      16,72% подтверждённого успеха, #2 в целом за $1,69 — лучшая управляемость 19,32%, галлюцинации 0,51%

    • Grokместо 4

      Лидер по ценности, который всё ещё выигрывает задачи: 16,72% общего чистого прироста за $1,69, а Arena отмечает его как предварительный.

      Источник ↗
    • StepFunместо 2

      Выбор по эффективности, который также выигрывает: #2 в целом в Agent Arena за $1,69–$1,80 за задачу — пятая часть цены агента выше по подтверждённому успеху.

      Источник ↗
    4 ИИ поставили сюда
    Источник ↗
  6. 6

    DeepSeek V4.1 Flash

    Самый дешёвый реальный вход: медиана $0,16, но всего 2,37% чистого прироста на 4 ноября; ранний пост Arena показывал +4,87% при $0,07.

    Включили: ChatGPT, Meta, Grok, StepFun. Не включили: Nemotron, Kimi, DeepSeek, Wenxin.

    В их списках: ChatGPT: 8 · Meta: 7 · Grok: 9 · StepFun: 1

    Что отметил каждый ИИ 4
    • ChatGPTместо 8

      При $0,16 за медианную задачу это один из самых дешёвых наблюдаемых вариантов, но сигнал подтверждённого успеха 3,38% не даёт ему места выше в рейтинге завершённой работы.

      Источник ↗
    • Metaместо 7

      $0,16 медианно, самый дешёвый для программирования — 2,37% в целом, 86,5 тыс. токенов, $0,15/$0,60 за млн

      Источник ↗
    • Grokместо 9

      Близко к Astra по качеству — 13,86% против 14,70%, при похожей медианной стоимости $6,40 и медиане $16,30 за программирование.

      Источник ↗
    • StepFunместо 1

      $0,07 медианно за задачу за +4,87% чистого прироста — примерно в 97 раз дешевле агента #1 в таблице при работе, которая лишь на несколько пунктов хуже.

      Источник ↗
    4 ИИ поставили сюда
    Источник ↗
  7. 7

    Devin (Cognition AI)

    Стоимость задачи зависит от того, кто её считает: $0,60 (заявлено производителем), $1,40 при 70,4% (сторонний DeepSWE), $7,90 (Coding Agent Index), около $9–10 за задачу, принятую в основной код (стороння оценка).

    Включили: Meta, StepFun, Kimi, DeepSeek. Не включили: ChatGPT, Grok, Nemotron, Wenxin.

    В их списках: Meta: см. список · StepFun: 7 · Kimi: 5 · DeepSeek: 2

    Что отметил каждый ИИ 4
    • Meta

      В его списке названо иначе: откройте весь список.

      см. список
    • StepFunместо 7

      Cognition заявляет на 64% меньшую стоимость, чем у передовой модели для программирования, что подразумевает около $1,18 за задачу, — а другой расчёт ставит объединённую задачу около $9–$10.

      Источник ↗
    • Kimiместо 5

      $7,90 покупают 61,7% выполнения задач, тяжёлую работу делает SWE-2 Medium — средняя цена, топовая надёжность на доллар для делегированных тикетов.

      Источник ↗
    • DeepSeekместо 2

      68,8 за $0,60 — если считать прогон FrontierCode, а не место за $500 в месяц.

    4 ИИ поставили сюда
    Источник ↗
  8. 8

    GPT-6.1 Terra

    Самый дешёвый сильный исполнитель: медиана $0,79 за чистый прирост 11,40%, и $1,40 за задачу по программированию против $17,45 у Opus 5.5.

    Включили: ChatGPT, Meta, Grok. Не включили: Nemotron, StepFun, Kimi, DeepSeek, Wenxin.

    В их списках: ChatGPT: 4 · Meta: 2 · Grok: 1

    Что отметил каждый ИИ 3
    • ChatGPTместо 4

      Медианная стоимость $0,79 ниже, чем у Sol с $0,98, но наблюдаемый общий сигнал прироста ниже.

      Источник ↗
    • Metaместо 2

      Самый дешёвый из топ-10 по баллам: $0,96 за задачу при 48 баллах — $0,79 медианно в Arena, 11,4% успеха, 15,18% управляемости

    • Grokместо 1

      11,40% чистого прироста в целом при медианной стоимости 79 центов и $1,40 за задачу программирования.

      Источник ↗
    3 ИИ поставили сюда
    Источник ↗
  9. 9

    Kimi K3.1 Pro

    Медиана $1,47 за чистый прирост 5,29% (предварительно): меньше половины прироста Terra почти при двойной цене. Толока выяснила, что 41% задач K3 решались лишь иногда.

    Включили: Meta, Grok, StepFun. Не включили: ChatGPT, Nemotron, Kimi, DeepSeek, Wenxin.

    В их списках: Meta: 6 · Grok: 6 · StepFun: 5

    Что отметил каждый ИИ 3
    • Metaместо 6

      #1 среди открытых моделей, ничья — 5,29% в целом, $1,47 медианно, 6,8 мин, 41,4 тыс. токенов при $2/$10 за млн

      Источник ↗
    • Grokместо 6

      Положительно, но не дёшево и не пусто: 5,29% общего чистого прироста за $1,47, далеко позади 11,40% у Terra за 79 центов.

      Источник ↗
    • StepFunместо 5

      $1,03 за медианную задачу — и всё же чуть ниже границы Парето (набора лучших соотношений цены и качества): самый дешёвый достоверный путь к топовой агентной работе.

    3 ИИ поставили сюда
    Источник ↗
  10. 10

    GPT-6 Astra

    Четвёртый по общему качеству (14,70%), но $6,16 за медианную задачу и $15,30 за код; Sonnet 5.5 делает больше за $3,86.

    Включили: ChatGPT, Grok. Не включили: Meta, Nemotron, StepFun, Kimi, DeepSeek, Wenxin.

    В их списках: ChatGPT: 10 · Grok: 8

    Что отметил каждый ИИ 2
    • ChatGPTместо 10

      Медианная стоимость задачи $6,16 и сигнал подтверждённого успеха 14,28% делают его премиум-вариантом, а не общим победителем по соотношению цены и качества.

      Источник ↗
    • Grokместо 8

      Четвёртый по общему качеству — 14,70%, и уже $15,30 до окончания задачи программирования.

      Источник ↗
    2 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.

Цифры взяты из разных тестов: общий рейтинг Arena и медианы по программированию, Terminal-Bench и Coding Agent Index. Стоимость задачи в них разная, поэтому сравнивайте результаты только внутри одного теста.

1GPT-6.1 Sol (OpenAI Codex)

№ 1 — GPT-6.1 Sol (OpenAI Codex). В списках у 6 из 8 ИИ; медианное место там: 2.5. Три отдельных рейтинга сходятся: это решение даёт хороший результат за меньшие деньги, около доллара за задачу.

Codex page
Esculenta · CC BY-SA 4.0 · Wikimedia Commons

А вы знали

  • GPT-6.1 Sol может прочитать огромный объём сразу. Заявленное окно контекста — 1 050 000 токенов, а в одном ответе он может написать до 128 000 токенов. Этого хватает, чтобы держать в одной сессии очень большую кодовую базу.

    Источник ↗
Что это
Агент для программирования Codex от OpenAI на модели GPT-6.1 Sol.
Чем сильнее
На каждом рейтинге стоит намного дешевле, чем два варианта Claude.
Кому подходит
Подходит для работы над кодом с оглядкой на бюджет; хуже подходит, если нужен самый высокий чистый прирост.
  • Чистый прирост против стоимости12,51% чистого прироста, 0,98 $

Википедия · Wikidata

Почему он здесь

  • На Terminal-Bench Science 0.1 при максимальном усилии GPT-6.1 Sol в среднем стоит 5,47 $ за задачу. Claude Opus 5.5 на той же обвязке стоит 23,21 $, так что Sol обходится примерно в четверть этой суммы.

    Источник ↗

  • Сравнение TechRepublic от октября 2026 года указывает стоимость задачи 1,04 $ у Codex на GPT-6.1 Sol. Claude Code с Sonnet 5.5 там указан с ценой 14,19 $. Страницу открыть не удалось, поэтому проверить цифры самостоятельно я не смог: они взяты из краткого изложения поиска.

    Источник ↗
А вы знали

  • Заявленная цена в API — 2 $ за миллион входных токенов и 10 $ за миллион выходных. Именно эта цена стоит за пометкой «дешёвый выбор», ведь большая часть расходов агента — это токены, которые он читает и пишет.

    Источник ↗
История

  • В мае 2025 года запустили облачную версию Codex, но ею почти никто за пределами OpenAI не пользовался. Команде, на создание которой у неё было около семи недель, пришлось переключиться на инструменты, работающие на вашем компьютере. Этот поворот лёг в основу нынешнего Codex.

    Источник ↗
Где узнать больше

  • Откройте официальную страницу запуска GPT-6.1 Sol на сайте OpenAI. Сначала посмотрите таблицу с результатами тестов, затем примечания о тарифах, чтобы узнать, в каких тарифах Codex есть эта модель, прежде чем её пробовать.

    Источник ↗

Видео: OpenAI Codex Explained for Normal People (“Claude Cowork Killer”) (на английском) · Paul J Lipsky

Сравнить первую тройку ↓

2Claude Opus 5.5 (Claude Code)

№ 2 — Claude Opus 5.5 (Claude Code). В списках у 6 из 8 ИИ; медианное место там: 6.5. Больше всего чистого прироста получается в целом, но каждая задача по коду стоит гораздо дороже и занимает намного больше времени.

А вы знали

  • Откат (rewind) в Claude Code отменяет не всё. Он отслеживает только правки, сделанные инструментами Claude для редактирования файлов. Изменения, сделанные командами оболочки, например удаление или перенос файлов, не отслеживаются. Контрольные точки сохраняются между сессиями.

    Источник ↗
Что это
Агент для программирования Claude Code от Антропик на модели Opus 5.5.
Чем сильнее
Самый высокий чистый прирост в таблице, но за задачу он дороже всех.
Кому подходит
Подходит для сложной работы, где важна высокая ценность результата; хуже подходит для простых задач и при жёстком бюджете.
  • Чистый прирост против стоимости20,14% чистого прироста, 17,45 $ за задачу

Википедия · Wikidata

Почему он здесь

  • Artificial Analysis ставит Claude Code с Opus 5.5 на 62 балла в своём Coding Agent Index. Это дорогая сторона компромисса: 11,42 $ за задачу и 1,0 часа на задачу.

    Источник ↗

  • На Terminal-Bench Science 0.1 Claude Opus 5.5 в среднем стоит 23,21 $ за задачу. GPT-6.1 Sol на том же тесте стоит 5,47 $, так что Opus обходится более чем в четыре раза дороже.

    Источник ↗
История

  • Claude Code начал работу в феврале 2025 года как ограниченная исследовательская версия, выпущенная вместе с моделью Claude 3.7 Sonnet.

    Источник ↗
Что важно учесть

  • Если намерение неясно или не хватает контекста, автоматический режим может одобрить небезопасные действия и заблокировать безобидные. Каждое действие проходит дополнительную проверку, из-за которой возможны задержки, а расход токенов со временем растёт.

    Источник ↗

  • Антропик рекомендует запускать автоматический режим в изолированной среде, особенно с чувствительным кодом. На практике относитесь к нему как к помощнику, за которым нужно наблюдать, а не как к тому, что можно оставить без присмотра.

    Источник ↗
Где узнать больше

  • Откройте страницу режимов разрешений, чтобы увидеть, что каждый режим позволяет Claude Code делать без запроса. Сначала прочитайте раздел про автоматический режим: сейчас он стартовый.

    Источник ↗

Видео: Every Claude Code Concept Explained for Normal People (на английском) · Simon Scrapes

Сравнить первую тройку ↓

3Claude Sonnet 5.5 (Claude Code)

№ 3 — Claude Sonnet 5.5 (Claude Code). В списках у 5 из 8 ИИ; медианное место там: 5. По подтверждённой успешности в коде сравнялся с Opus при цене за задачу примерно вдвое ниже, поэтому сохраняет большую часть пользы.

Что это
Агент для программирования Claude Code от Антропик на более дешёвой модели Sonnet 5.5.
Чем сильнее
По подтверждённой успешности в коде равен Opus, но за задачу стоит заметно дешевле.
Кому подходит
Подходит пользователям Claude, которым нужна надёжность при ограниченном бюджете; хуже подходит для самых дешёвых задач.
  • Чистый прирост против стоимости15,42% чистого прироста, 3,86 $ за задачу

Википедия · Wikidata

Почему он здесь

  • Artificial Analysis указывает Claude Sonnet 5.5 как вариант Claude Code рядом с Opus 5.5. Установка с Opus 5.5 показана как 11,42 $ за задачу и 1,0 часа на задачу. Собственной стоимости Sonnet на этой странице нет.

    Источник ↗

  • По AutomationBench Claude Sonnet 5.5 в среднем стоил 1,14 $ за задачу, по описанию Vellum. Это другой тест, не про программирование, поэтому он лишь показывает, что Sonnet может быть дешёвым в некоторых задачах.

    Источник ↗

Видео: Every Claude Code Concept Explained for Normal People (на английском) · Simon Scrapes

Сравнить первую тройку ↓

Тройка рядом

GPT-6.1 Sol (OpenAI Codex)Claude Opus 5.5 (Claude Code)Claude Sonnet 5.5 (Claude Code)
В списках ИИ6 / 86 / 85 / 8
Чистый прирост против стоимости12,51% чистого прироста, 0,98 $20,14% чистого прироста, 17,45 $ за задачу15,42% чистого прироста, 3,86 $ за задачу
Первым поставилиMeta, Kimi——

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

Другие рейтинги

03Стоит знать

Что заметили ИИ, пока составляли список.

Задача по коду и чат-задача — разные покупки: медиана Opus 5.5 — $17,45 и 39,3 мин на коде против $3,68 и 10,4 мин в чате; у Terra — $1,40 и $0,58.

Заметили:
Включили: Grok. Не включили: ChatGPT, Meta, Nemotron, StepFun, Kimi, DeepSeek, Wenxin.
Источник ↗

Никто не публикует денежную стоимость переделок, неверных вызовов инструментов или ручного спасения задач человеком. Показатели Arena по выдуманным вызовам инструментов и bash — это чистые приросты, а не чеки за провалившиеся задачи.

Заметили:
Включили: ChatGPT, Grok, StepFun, DeepSeek. Не включили: Meta, Nemotron, Kimi, Wenxin.
Источник ↗

Собственные таблицы Arena дают разные цены для одной модели: Opus 5.5 — $6,80 (Парето), $8,93 (рейтинг по работе) и $12,51 (пост о стоимости); Sol — $0,56 и $1,91.

Заметили:
Включили: StepFun. Не включили: ChatGPT, Meta, Grok, Nemotron, Kimi, DeepSeek, Wenxin.
Источник ↗

HAL предупреждает, что его стоимость GAIA завышена ровно в 2 раза для прогонов с вложенными трассировками, однако строка Claude Sonnet 4.5 всё ещё показывает $178,20 за 74,55%.

Заметили:
Включили: ChatGPT, Meta, Grok, Kimi, DeepSeek. Не включили: Nemotron, StepFun, Wenxin.
Источник ↗

04Как считали

Простыми словами, без формул.

1Вопрос

Топ-10 ИИ-агентов, которые делают больше всего реальной работы на доллар

2Почему эта тема

Страницы с ценами и рейтинги каждый показывают лишь половину картины. Здесь успех, стоимость и время сведены на одну шкалу для каждого типа задач, чтобы читатель видел, кто на самом деле выгоднее всех.

3Где это применимо

Глобально: ИИ-агенты для программирования, помощники, управляющие компьютером, и универсальные агенты для задач

4На что смотрели

  • Проверенный успех в завершённых целях пользователя, а не в демо
  • Реальная медианная стоимость задачи, включая модель и использование инструментов там, где это раскрыто
  • Время выполнения сопоставимых задач
  • Бремя ошибок и переделок: неверные вызовы инструментов, выдуманные операции, задачи, которые человеку пришлось спасать
  • Итоговый порядок: проверенная полезная работа на доллар с поправкой на время и надёжность, отдельно для программирования, исследований и браузерных задач, с указанием охвата каждого сравнения
  • Arena: общий Agent Arena (4 ноября 2026) — чистый прирост, подтверждённый успех и реализованные медианные стоимость и время на задачу для 58 моделей примерно по 2,76 млн сессий; «чистый прирост» — это эффект воздействия
  • Arena: кодинговая таблица Agent Arena — те же показатели на 912 449 сессиях по программированию
  • aiplans.dev: Coding Agent Index v1.5 (13 октября 2026) — Pass@1 на DeepSWE, Terminal-Bench 4.0 и SWE-Atlas-QnA с измеренными стоимостью и временем на задачу по продуктам-агентам

5Кто ставил места

Ведущие ИИ: ChatGPT, Meta, Grok, Nemotron, StepFun, Kimi, DeepSeek, Wenxin. 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.

05Список каждого ИИ отдельно

🇺🇸 ChatGPT10 мест · заметок: 3

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

  1. 1
    Gemini CLI with Gemini 4 Carbon

    При $1,69 за медианную задачу — 18,04% подтверждённого пользователями успеха в снимке Arena от 3 ноября; это самое сильное наблюдаемое сочетание цены и результата среди ведущих моделей.

    Источник ↗
  2. 2
    OpenAI Codex with GPT-6.1 Sol

    Медианная стоимость задачи $0,98 и медианное время 10,3 минуты делают его практичным вариантом по соотношению цены и пользы для контролируемых сценариев программирования.

    Источник ↗
  3. 3
    Gemini CLI with Gemini 4 Argon

    При $0,97 и 7,3 минуты на медианную задачу он быстрее и дешевле Carbon, хотя у Carbon сильнее общий сигнал прироста.

    Источник ↗
  4. 4
    OpenAI Codex with GPT-6.1 Terra

    Медианная стоимость $0,79 ниже, чем у Sol с $0,98, но наблюдаемый общий сигнал прироста ниже.

    Источник ↗
  5. 5
    Claude Code with Claude Sonnet 5.5

    Медианная стоимость $3,86 заметно выше дешёвых альтернатив до доллара, но 19,95% подтверждённого успеха делают соотношение с учётом надёжности конкурентоспособным.

    Источник ↗
  6. 6
    Claude Code with Claude Opus 5.5

    Он лидирует в общем рейтинге Arena от 3 ноября, но $6,80 за медианную задачу означают, что премия должна окупаться меньшим числом провалов и повторов.

    Источник ↗
  7. 7
    Claude Code with Claude Sonnet 5

    Медианная стоимость $1,09 привлекательна для коротких задач программирования, но оценка подтверждённого успеха от 4 ноября слишком неопределённа, чтобы назвать его выгодным по завершённым целям.

    Источник ↗
  8. 8
    DeepSeek V4.1 Flash Agent Configuration

    При $0,16 за медианную задачу это один из самых дешёвых наблюдаемых вариантов, но сигнал подтверждённого успеха 3,38% не даёт ему места выше в рейтинге завершённой работы.

    Источник ↗
  9. 9
    MiMo-V2.6-Pro Agent Configuration

    Всего $0,17 за медианную задачу, но 16,3 минуты и более слабый общий прирост делают его кажущуюся дешевизну менее решающей.

    Источник ↗
  10. 10
    OpenAI Codex with GPT-6 Astra

    Медианная стоимость задачи $6,16 и сигнал подтверждённого успеха 14,28% делают его премиум-вариантом, а не общим победителем по соотношению цены и качества.

    Источник ↗

Что заметил ChatGPT

Медианная стоимость Gemini 4 Carbon за задачу 3 ноября — $1,69, примерно четверть $6,80 у Opus 5.5, хотя оба входят в число лидеров общих результатов Arena. Этого недостаточно, чтобы утверждать, что за доллар получается в четыре раза больше завершённых целей.

Источник ↗

Принстонский университет предупреждает, что его стоимость GAIA может быть завышена ровно в 2 раза для затронутых вложенных отрезков трассировки, тогда как незатронутые строки не завышены. Простой рейтинг стоимости, построенный на неисправленных значениях, может неверно расставить агентов.

Источник ↗

LangChain выяснил, что 57% опрошенных практиков запускают агентов в продакшене, а 32% называют качество главным барьером. Экономическое узкое место часто — надёжное завершение задач, а не только цена токена.

Источник ↗
🇺🇸 Meta10 мест · заметок: 1

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

  1. 1
    GPT-6.1 Sol Max – OpenAI 2026

    $0,98 медианно в Arena, $1,27 за задачу Intelligence Index при 55 баллах — в 8 раз дешевле Opus 5.5 max за $10,04 при 58 баллах

  2. 2
    GPT-6.1 Terra Max – OpenAI 2026

    Самый дешёвый из топ-10 по баллам: $0,96 за задачу при 48 баллах — $0,79 медианно в Arena, 11,4% успеха, 15,18% управляемости

  3. 3
    Gemini 4 Argon High – Google 2026

    $0,97 медианно, 10,53% в целом — 0,42% выдуманных вызовов инструментов, самый низкий среди топ-10, 13,52% управляемости

  4. 4
    Gemini 4 Carbon High – Google 2026

    16,72% подтверждённого успеха, #2 в целом за $1,69 — лучшая управляемость 19,32%, галлюцинации 0,51%

  5. 5
    Claude Sonnet 5.5 Max – Anthropic 2026

    Лидер по GAIA: 74,55% за $178,20 — 15,42% подтверждённого в Arena за $3,83, 16,4 мин — лучшая исследовательская работа на доллар

  6. 6
    Kimi K3.1 Pro Max – Moonshot 2026

    #1 среди открытых моделей, ничья — 5,29% в целом, $1,47 медианно, 6,8 мин, 41,4 тыс. токенов при $2/$10 за млн

    Источник ↗
  7. 7
    DeepSeek V4.1 Flash Max – DeepSeek 2026

    $0,16 медианно, самый дешёвый для программирования — 2,37% в целом, 86,5 тыс. токенов, $0,15/$0,60 за млн

    Источник ↗
  8. 8
    Claude Haiku 5.5 High – Anthropic 2026

    $0,08 медианно, абсолютно самый дешёвый — 0,62% в целом, 1,9 мин, 26,1 тыс. токенов при $0,10/$0,50

    Источник ↗
  9. 9
    GPT-6 Luna Low – OpenAI 2026

    $0,01 медианно — 5,93% в целом, 15,26% подтверждённого, 48 сек, 3,9 тыс. токенов — самая дешёвая завершённая цель

  10. 10
    Cursor Agent – Anysphere 2026

    От бесплатного тарифа до Pro за $20 — IDE-агент, который делает больше реальной работы по программированию на доллар для ежедневного цикла разработки

    Источник ↗

Что заметил Meta

57% имеют агентов в продакшене по опросу LangChain (1 340 специалистов): затраты стали меньше волновать, качество, 32%, — главный барьер, а не цена

Источник ↗
🇺🇸 Grok10 мест · заметок: 4

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

  1. 1
    GPT-6.1 Terra (2026)

    11,40% чистого прироста в целом при медианной стоимости 79 центов и $1,40 за задачу программирования.

    Источник ↗
  2. 2
    Gemini 4 Argon (2026)

    В чат-задачах 13,22% чистого прироста за 52 цента и 3,8 минуты.

    Источник ↗
  3. 3
    GPT-6.1 Sol (2026)

    Медиана 98 центов за всё даёт 12,51% чистого прироста — на шаг впереди Terra и на шаг позади в восстановлении в командной строке.

    Источник ↗
  4. 4
    Gemini 4 Carbon (2026)

    Лидер по ценности, который всё ещё выигрывает задачи: 16,72% общего чистого прироста за $1,69, а Arena отмечает его как предварительный.

    Источник ↗
  5. 5
    Claude Sonnet 5.5 (2026)

    Сравнялся с Opus по подтверждённому успеху в программировании — 24,98%, при $8,39 вместо $17,45.

    Источник ↗
  6. 6
    Kimi K3.1 Pro (2026)

    Положительно, но не дёшево и не пусто: 5,29% общего чистого прироста за $1,47, далеко позади 11,40% у Terra за 79 центов.

    Источник ↗
  7. 7
    Claude Opus 5.5 (2026)

    Больше всего чистого прироста в таблице — 20,14% при $6,79 в целом и $17,45, когда задача — программирование.

    Источник ↗
  8. 8
    GPT-6 Astra (2026)

    Четвёртый по общему качеству — 14,70%, и уже $15,30 до окончания задачи программирования.

    Источник ↗
  9. 9
    Claude Fable 5.1 (2026)

    Близко к Astra по качеству — 13,86% против 14,70%, при похожей медианной стоимости $6,40 и медиане $16,30 за программирование.

    Источник ↗
  10. 10
    Tencent Hy4 (2026)

    Медиана $0,57 и всего 5,39% чистого прироста: соотношение выглядит экономным, а итоговый выигрыш — нет.

    Источник ↗

Что заметил Grok

Задача на программирование и задача в чате — разные покупки. 4 ноября 2026 года медиана Claude Opus 5.5 составила $17,45 и 39,3 минуты на программировании против $3,68 и 10,4 минуты в чате. Медианы GPT-6.1 Terra по тем же таблицам — $1,40 и $0,58.

Источник ↗

Опрос LangChain более чем 1 300 практиков показал, что 57,3% имеют агентов в продакшене, 32% называют качество главным барьером, а стоимость сползла вниз списка. Неудачный запуск, который человеку приходится спасать, в эту цифру в долларах не входит.

Источник ↗

Старая таблица GAIA Принстонского университета ставила Claude Sonnet 4.5 на 74,55% за прогон набора за $178,20 при базовом уровне людей 92%, указанном для GAIA. HAL позже предупредил, что вложенные трассировки удвоили заявленные стоимости. Деление ценника пополам всё равно не даёт опубликованной цены за вопрос.

Источник ↗

Исследование Arena в сентябре показало, что смена Claude Code, Codex CLI или Pi меняет счёт, даже когда уровень успеха похож. Ноябрьская таблица держит обвязку постоянной и сравнивает модели, поэтому это не цена для этих настольных приложений.

Источник ↗
🇨🇳 StepFun10 мест · заметок: 4

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

  1. 1
    DeepSeek V4.1 Flash (Max)

    $0,07 медианно за задачу за +4,87% чистого прироста — примерно в 97 раз дешевле агента #1 в таблице при работе, которая лишь на несколько пунктов хуже.

    Источник ↗
  2. 2
    Gemini 4 Carbon (High)

    Выбор по эффективности, который также выигрывает: #2 в целом в Agent Arena за $1,69–$1,80 за задачу — пятая часть цены агента выше по подтверждённому успеху.

    Источник ↗
  3. 3
    GPT-6.1 Sol (Max)

    Ход OpenAI по стоимости: в пределах двух пунктов от более дорогих собратьев в той же таблице при $0,56 за медианную задачу.

  4. 4
    Claude Opus 5.5 (High)

    Лучшее соотношение внутри лучшего семейства: #1 по управляемости и #2 по подтверждённому успеху за $1,31 за задачу, на 64% дешевле собственного уровня Max.

    Источник ↗
  5. 5
    Kimi K3.1 Pro (Max)

    $1,03 за медианную задачу — и всё же чуть ниже границы Парето (набора лучших соотношений цены и качества): самый дешёвый достоверный путь к топовой агентной работе.

  6. 6
    Claude Sonnet 5.5 (Max)

    Второй результат по подтверждённому успеху во всей таблице (20,21%) за $3,86 за задачу — средний тариф Антропик, который сохраняет большую часть надёжности.

    Источник ↗
  7. 7
    Devin with SWE-2 (Cognition)

    Cognition заявляет на 64% меньшую стоимость, чем у передовой модели для программирования, что подразумевает около $1,18 за задачу, — а другой расчёт ставит объединённую задачу около $9–$10.

    Источник ↗
  8. 8
    Manus

    $1,00–$4,50 за задачу по опубликованной математике кредитов — реальная ценность, только если задачи короткие: тот же тариф сжигает от 200 до 9 000 кредитов в зависимости от работы.

  9. 9
    OpenHands (open-source, self-hosted)

    Бесплатное ПО, платите только за токены — рецензенты закладывают $0,15–$0,60 за задачу, самый дешёвый проверяемый агент здесь, потому что можно прочитать каждое разрешение.

    Источник ↗
  10. 10
    Claude Code with Opus 5.5 (Max)

    Самый надёжный агент в таблице за $6,80–$12,51 за задачу — стоит того для трудной работы и неоправдан для простой.

    Источник ↗

Что заметил StepFun

Та же таблица Arena охватывает от $0,07 до $12,51 медианной стоимости задачи — разброс примерно в 178 раз, — тогда как чистый прирост идёт от +4,87% до +20,75%: большая часть премии покупает несколько пунктов надёжности, а не другой тип работы.

Источник ↗

DeepSeek V4.1 Flash-1017 набирает 77,0% в наборе агентных задач при чуть меньше $0,20 за задачу и всё ещё проходит 72% на своей низкой настройке — самое ясное свидетельство 2026 года, что цена и компетентность разошлись.

Источник ↗

На GAIA правильность — лишь половина счёта: прогон Sonnet 4.5 на 74,6% через обвязку HAL может стоить в 3–4 раза дороже голого прогона на 65%, если сложить токены, повторы и вызовы инструментов. Обвязка, а не модель, часто главная статья расходов.

Источник ↗

Собственная оценка стоимости Антропик ставит Claude Code примерно в $13 на разработчика за активный день и $150–250 на разработчика в месяц. Это меняет сравнения «за задачу»: для активного пользователя единица измерения — подписка, а не задача.

Источник ↗
🇨🇳 Kimi10 мест · заметок: 4

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

  1. 1
    OpenAI Codex with GPT-6.1 Sol (xhigh)

    62,9% реальных инженерных задач решено при $1,04 и 15,5 минуты каждая — около 60 баллов индекса на доллар, в шесть раз больше работы на доллар, чем у лидера таблицы.

    Источник ↗
  2. 2
    OpenCode with GLM-5.3

    Открытая обвязка и дешёвая открытая модель: 53,6% задач за $4,24 каждая — примерно треть стоимости решённой задачи у флагманской связки Claude.

    Источник ↗
  3. 3
    Google Antigravity CLI with Gemini 4 Argon (high)

    Лучший результат DeepSWE в таблице (78,8%) за $5,84 за задачу — самая сильная работа по сложному программированию на доллар среди трёх крупных обвязок.

    Источник ↗
  4. 4
    Kimi Code CLI (kimi-k3)

    66,1% в вопросах и ответах по кодовой базе и 68,4% на DeepSWE за $5,05 — но 21,2% на Terminal-Bench означает, что человеку приходится спасать его сбои в командной строке.

    Источник ↗
  5. 5
    Devin Fusion CLI (Cognition)

    $7,90 покупают 61,7% выполнения задач, тяжёлую работу делает SWE-2 Medium — средняя цена, топовая надёжность на доллар для делегированных тикетов.

    Источник ↗
  6. 6
    Genspark Super Agent

    75,4% в GAIA (исследования и просмотр веб-страниц) — лучшая независимо измеренная точность общего агента вне крупных лабораторий, но его стоимость за задачу не опубликована.

    Источник ↗
  7. 7
    Grok Build with Grok 4.7 (xhigh)

    72,6% на DeepSWE — на уровне Google, но 33,3% на Terminal-Bench при $8,82 за задачу делают его провалы дорогими в исправлении.

    Источник ↗
  8. 8
    Muse Code with Muse Wonder (max)

    Самый быстрый финишёр в первой пятёрке — 22,4 минуты на задачу при $8,05 — со вторым результатом DeepSWE в таблице (75,8%).

    Источник ↗
  9. 9
    Claude Code with Opus 5.5 (max)

    Самая дорогая надёжная рабочая лошадка: 66% успеха задач при $13,04 — примерно вдвое дороже за задачу, чем у Codex. Независимый учёт показывает медиану 2,2 минуты на завершение.

    Источник ↗
  10. 10
    OpenAI Deep Research (ChatGPT)

    67,4% на валидации GAIA — самый дешёвый достоверный способ купить готовый исследовательский отчёт, хотя задачи просмотра третьего уровня всё ещё проваливаются в трети случаев.

    Источник ↗

Что заметил Kimi

Самая дешёвая завершённая задача программирования — не самая дешёвая модель: Codex с GPT-6.1 Sol решает 62,9% задач по $1,04 каждая, а лучший результат таблицы (Claude Code Sonnet 5.5) стоит $14,19 за задачу при 68,4%. Разрыв в цене в 13 раз ради разрыва в качестве в 5,5 пункта.

Источник ↗

Claude Code сам по себе приходится примерно на 4% всех публичных коммитов GitHub, а ежедневные коммиты, приписанные ему, достигли пика 326 731 в марте 2026 года — самый большой измеренный след среди агентов для программирования.

Источник ↗

Arena выяснила, что некоторые модели на практике стоят дороже, чем подсказывают их цены за токены: лишние шаги и повторные ходы с правками пользователя раздувают реальный счёт. Её показатель стоимости учитывает завершённую задачу, а не токен.

Источник ↗

На GAIA каждые 10 дополнительных пунктов точности стоят в 3–4 раза дороже: прогон Sonnet на 74,6% с обвязкой стоит в три-четыре раза больше голого прогона на 65%, если сложить повторы и вызовы инструментов.

Источник ↗
🇨🇳 DeepSeek10 мест · заметок: 2

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

  1. 1
    Cursor Composer 2.5 (coding, 2026)

    69,3% за $0,44 — самый дешёвый проверенный агент для программирования выше 60 в Coding Agent Index.

  2. 2
    Devin (coding, 2026)

    68,8 за $0,60 — если считать прогон FrontierCode, а не место за $500 в месяц.

  3. 3
    Factory Droid 1.0 (coding, 2026)

    57,6% за $0,79 — на 3,6 пункта выше Codex и на 12% дешевле по собственному прогону Factory.

  4. 4
    OpenAI Codex (coding, 2026)

    58,2% за $1,92 — пятая часть $9,90 у Astra в том же тесте.

  5. 5
    Replit Agent (coding, 2026)

    49% за $2,53 — успех на уровне середины таблицы, но вдвое дороже Codex за завершение.

  6. 6
    Claude Code (coding, 2026)

    64,8% за $14,30 — надёжная работа по цене, которая требует задачи высокой ценности, чтобы окупиться.

  7. 7
    Amazon Nova Act (browser, 2026)

    18 из 20 по доверию в браузере при $4,75 в час — завершённый сценарий покупки может стоить центы инфраструктуры, а не доллары за запрос.

    Источник ↗
  8. 8
    Claude for Chrome (browser, 2026)

    18 из 20 и подписка $20, но опубликованной цены за задачу нет, а патч против кражи учётных данных провалился.

  9. 9
    ChatGPT Work (research and browser, 2026)

    7 из 8 требований в сравнении трёх PDF за $20 в месяц — но опубликованной цены за задачу нет.

    Источник ↗
  10. 10
    Manus (research and browser, 2026)

    $1–$4,50 за задачу звучит дёшево, пока 92% сложных веб-задач не требуют помощи человека.

    Источник ↗

Что заметил DeepSeek

Колонка стоимости GAIA в HAL сейчас завышена ровно вдвое для вложенных отрезков трассировки, поэтому старые долларовые цифры GAIA нельзя без поправки переносить в сравнение за задачу 2026 года.

Источник ↗

Браузерных агентов часто продают по подписке или за час агента, а не за задачу: Amazon Nova Act стоит $4,75 за час агента, Claude for Chrome входит в план $20 в месяц, а у ChatGPT Work нет опубликованной цены за задачу.

Источник ↗
🇨🇳 Wenxin6 мест

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

  1. 1
    Devin (Cognition AI, 2026) — coding

    0,38 за решённую задачу GitHub — но каждая пятая требует переделки человеком, которая съедает экономию

  2. 2
    Claude Agent (Anthropic, 2026) — general

    0,12 за завершённую многошаговую задачу — самый дешёвый *надёжный* универсальный агент в Arena

  3. 3
    OpenAI Operator (OpenAI, 2026) — browser

    0,22 за задачу автоматизации браузера — в 3 раза дешевле человека, но вдвое дольше чинить, если что-то пошло не так

  4. 4
    GitHub Copilot Workspace (Microsoft/GitHub, 2026) — coding

    0,09 за принятый PR — но только внутри закрытого сада GitHub

  5. 5
    Cursor Agent (Anysphere, 2026) — coding

    0,15 за принятую правку кода — разработчики её любят, но расходы растут на больших рефакторингах

    Источник ↗
  6. 6
    Google Gemini Agent (Google, 2026) — research/docs

    0,08 за исследовательскую сводку — копейки, пока не учтёте 200

    Источник ↗