The Jerusalem PostItalian gelato champion shrugs off anti-Israel backlash fears as chain expands in IsraelCNN Türk31 ARALIK YARIM GÜN MÜ? 31 Aralık resmi tatil mi, okullar var mı yok mu?PunchLagos-bound BA plane skids off London runwaySky TG24Israele, Matan Kahana nuovo presidente della Knesset. Vicino a Eisenkot한겨레브라질 꺾었던 일본, ‘모리야스 고별전’서 파라과이에 패배ZDF heuteEntdecken Sie das ZDF-NachrichtenstudioLa NaciónArgentina vs. Costa Rica, EN VIVO: el minuto a minuto del partidoVarietyDon Toliver Announces Sixth Album ‘Nitrous,’ Due Next MonthInfobaeChile vs. Colombia - EN VIVO amistoso internacional: se juega el segundo tiempo, siga aquí el minuto a minuto del juego en SantiagoHong Kong Free PressHongkonger arrested at Singapore airport over alleged earbud theft during earlier transitNew Straits TimesAmazon's Bezos says he helped pick Pattinson as BondThe Sydney Morning HeraldBig Build royal commission LIVE updates: Bikie Joel Leavitt says he ‘blocked out’ memories from CFMEU days due to stress of being on a gang hit list
The Daily Newsstand · Free, Always
Wednesday, November 18, 2026

Astra 6.2, Qwen 4, Fable 5.2 и Opus 5.5: нейросети снова соревнуются, а теперь ещё и судят друг друга

Translate

Моё субъективное сравнение топовых нейронок продолжается. В сентябре я выложил на Хабр «Турнир семи нейросетей»: 7 моделей, 8 заданий и три редакции статьи за неделю. Скажу честно: вышло неудачно. Но останавливаться не собираюсь: после ваших комментариев хочется сделать следующее сравнение лучше, а ошибки — часть пути.

Зачем мне это

Подписок у меня несколько, каждая по 200 долларов, сижу равно на одном стуле. Сравнение нужно мне самому: чтобы не зацикливаться на одной модели и вовремя пересаживаться на новые инструменты, когда они того стоят.

Что поменял

Моделей теперь четыре: Claude Opus 5.5, Claude Fable 5.2, GPT-6.2 Astra и Qwen4-Max. Остальных пока не вижу смысла тестировать: версии меняются каждый месяц, и угнаться за всеми — отдельная профессия.

Заданий тоже четыре: сайт о себе, 3D-робот с характером, 2D-игра в одно касание и 3D-игра. Каждая работа — один HTML-файл: откройте его в браузере и попробуйте сами — покрутите робота, сыграйте в игру. Задания составлены так, чтобы не ограничивать модели. Все промпты открыты — прогоните их на своих моделях и сравните.

Судьи — сами нейросети. Каждую работу по снимкам экрана оценивают три другие модели, от 1 до 10; свою не судит никто. Они оценивали, выполнено ли задание, как выглядит работа, работает ли она и есть ли в ней что-то своё. Честно: об играх судьи судили только по снимкам экрана, а не играя. Нажмите на оценку — откроется пояснение, за что модели ругали друг друга. Читается как отзывы коллег, которые очень стараются быть вежливыми.

Что решили модели — и что думаю я

По оценкам самих моделей: Opus — 8,7, Fable — 8,1, Astra — 7,7, Qwen — 7,4. Но я, как и многие человеки, с нейросетевыми судьями не во всём согласен — у меня свои фавориты.

Fable — больше всего мне понравилась её идея: сайт-вышивка «Лицо и изнанка». На лицевой стороне — умения модели, на изнанке — её ограничения: такая аллегория того, что стоит за красивой картинкой. Придумала она это сама.

Astra сделала робота-улитку почтальона «Тихохода». Во всех её работах прослеживается пиксаровский стиль — мультяшный, тёплый, узнаваемый.

Opus — мне понравились все его игры, да и в целом он выполняет процентов 70 моих рабочих задач. Хороший стул.

Qwen — от почти бесплатной модели я такого не ожидал. После результатов даже взял подписку за 2000 рублей — потестирую этот месяц. На фоне IPO Anthropic — хороший подарок от китайцев.

По ценам API четыре задания обошлись каждой модели так: Astra — 3,22 $ за 36 минут, Opus — 9,56 $ за 70 минут, Fable — 14,48 $ за 55 минут. Qwen работал по подписке, его по API я не считал.

Что пошло не по плану

  • Вышла GPT-6.2. Астра переделала все работы и поднялась с последнего места (6,9) на третье (7,7). Апдейт решает.

  • Вкусы сходятся. Fable и Qwen независимо друг от друга нарисовали робота-самовара. А Opus из раза в раз возвращается к садовнику-лейке в соломенной шляпе — видимо, нашёл своё призвание.

Что дальше

Сам я в работе пользуюсь Claude Opus 5.5 и Астрой: Астра постоянно делает ревью, а задания Claude и Астра обсуждают перед выполнением.

План простой: когда выйдут новые версии, я снова сравню работы, а модели выставят оценки заново — всё на той же странице. Вне зачёта там живёт ещё робот Kimi, для сравнения.

Все работы, промпты и оценки: https://ikorg.ru/rating/

Если интересно — предлагайте, обсудим новые подходы.

Только зарегистрированные пользователи могут участвовать в опросе. Войдите, пожалуйста.

View the original on Хабр →

KioskNews shows a cleaned-up reading view extracted from the publisher’s page — the original always lives on their site, not ours.

Astra 6.2, Qwen 4, Fable 5.2 и Opus 5.5: нейросети снова соревнуются, а теперь ещё и судят друг друга — KioskNews