Замерили Fable 5.2, Opus 5.5 и Codex на своем коде. Сверхвысокий уровень почти вдвое дольше и не умнее
С 10 по 14 ноября мы гоняли три модели на своих задачах из рабочего кода. Коротко: для ежедневного кода берем Opus 5.5 на высоком уровне, он лучший по цене и качеству. Fable 5.2 чуть умнее на длинных задачах и сильнее как проверяющий, но тратит на треть больше. Codex на модели GPT-6 Astra держится на уровне Opus и тратит в 4–5 раз меньше токенов.
Как мы мерили
Задачи брали настоящие, из нашего git: скрипт на bash, приложение на Swift, исследование и план переезда сервера, правки с тестом, который краснеет до правки. Работы оценивал слепой судья: он не знал, чья работа. В одной из четырех длинных задач слепоту нарушили: в файле осталось имя исполнителя. Claude Code и Codex работали в своих обычных программах, как у нас каждый день.
Что лучше, Fable 5.2 или Opus 5.5
| Что сравнивали | Что говорят | Что вышло у нас | Совпало |
|---|---|---|---|
| Длинные задачи | Anthropic: Fable почти вдвое сильнее на удаленной работе (Remote Labor Index 41,3 против 21,3 %); Cursor на длинных задачах: 56,3 против 56,0 % | судьи выбрали Fable в 3 задачах из 4, везде «чуть» | частично: перевес у нас меньше |
| Короткий код | отдельных замеров не нашли | обе прошли 27 тестов из 27 | наше |
| Скорость | энтузиаст в X: Fable на час с четвертью быстрее на большой задаче | у нас Fable медленнее на 30 %: 107 минут против 83 на четырех задачах | нет |
| Проверка чужой работы | paddo.dev: Fable нашла дыру в 4 прогонах из 4, Opus в 1 | находки Fable в работах Opus подтвердились 13 из 13, Opus в работах Fable 5 из 7 | да |
Fable умнее на длинных задачах и в проверке, зато работает на треть дольше и тратит на треть больше токенов.
Какой уровень усилий ставить
Одни и те же две задачи из нашего кода, один слепой судья. Opus 5.5 в Claude Code и GPT-6 Astra в Codex на разных уровнях:
| уровень | Opus средний | Opus высокийу нас стоит | Opus сверхвысокий | Astra средний | Astra высокий | Astra сверхвысокий | Astra ультра |
|---|---|---|---|---|---|---|---|
| Минуты на обе задачи | 4,5 | 4,7 | 8,5 | 3,4 | 4,9 | 9,8 | 10,2 |
| Токены, млн | 4,1 | 5,7 | 10,3 | 1,0 | 1,2 | 1,9 | 2,0 |
| Оценки судьи (средняя / трудная задача) | 7 / 7 | 8 / 9 | 8 / 8 | 8 / 7 | 8 / 7 | 8 / 8 | 9 / 8 |
| Ошибок на 40 каверзных командах bash | 6 | 4 | 0 | 2 | 2 | 1 | 0 |
| Соседнюю проверку сохранил | нет | да | нет | нет | нет | нет | нет |
| Мусор после себя | нет | нет | нет | нет | нет | есть | есть |
Заданные проверки зеленые у всех семи. Astra пишет наш код на уровне Opus: где-то чуть лучше, где-то чуть хуже. В крайних случаях Astra надежнее: на среднем и высоком 2 ошибки против 6 и 4 у Opus. Зато соседнюю проверку, которую не просили трогать, сохранил только Opus на высоком.
Сверхвысокий уровень работает почти вдвое дольше и съедает почти вдвое больше токенов, а оценки не выше. Плюс у него один: на 40 командах bash ни одной ошибки против четырех. У Cursor вышло так же: на высоком и сверхвысоком Opus набрал одинаковые 56,0 %, только высокий почти вдвое дешевле. Поэтому у нас везде стоит высокий.
Максимальный уровень мы не ставим вовсе: на нем Opus две ночи подряд обрывался защитным фильтром, и вместо 29 пунктов работы выходило 4.
Что лучше для кода, Claude или Codex
| Что сравнивали | Что говорят | Что вышло у нас | Совпало |
|---|---|---|---|
| Качество | Vals, Terminal-Bench: Opus 65,2 %, Astra 59,6 % | оценки судьи 7–9 у обоих | у нас ближе |
| Токены | Vals, Terminal-Bench: Astra тратит в 9,4 раза меньше на задачу; на Хабре мерили в 3,2–4,2 раза | в 4–5 раз меньше | да, меньше |
| Аккуратность на краях | нет данных | на 40 командах bash у Astra 0–2 ошибки, у Opus на среднем и высоком 4–6 | наше |
| Уборка за собой | нет данных | на сверхвысоком Astra оставляет служебные файлы | наше |
Судья у нас был от Claude, то есть сам участник спора. И задач всего две. Токены Claude и Codex считают по-разному: у Codex почти все это повторно прочитанный кэш.
Из нашего комьюнити: Astra лучше ревьюит код, а пишет код лучше Opus.
Сколько съедает лимит подписки
За 18 минут на Fable, тариф Ultra и десять помощников разом, пятичасовое окно выросло с 10 до 35 %. Целая ночь и утро помощников на Opus, около 9,8 млн токенов, уложились в 3 % недели. Fable годится для разовых трудных задач, на потоке его лимит тает слишком быстро.
Чужую работу модели проверяют лучше своей
Самые дорогие ошибки в планах переезда сервера оставили обе модели: у Fable три, у Opus одна. Чаще всего их находила модель-соперник, а не автор. Отсюда правило: перед необратимым шагом работу проверяет другая модель.
- 1копия базы
- 2ключи на новый сервер
- 3проверка служб
- 4переключить адрес
- 5выключить старый
- 1копия базы
- 2ключи на новый сервер
- 3проверка служб
- 4переключить адрес
- 5выключить старый
Что делать, если Claude заблокировал аккаунт
13 ноября около 21:30 аккаунт Claude на одном из наших маков перестал отвечать и отправил на проверку. Причину Anthropic не назвала. Встали ночная обработка памяти и сервер: его ключ был от того же аккаунта. Утром работа шла на другом аккаунте, данные не потеряли: чаты лежат файлами у нас, память на своем сервере.
- 21:30аккаунт отправили на проверку, причину не назвали
- ночьвстали обработка памяти и сервер: ключ от того же аккаунта
- утроработа на другом аккаунте, данные целы
Блокируют не только нас. По отчету прозрачности Anthropic, за первое полугодие 2026 года компания заблокировала 11,4 млн аккаунтов, почти в 8 раз больше, чем полугодием раньше. Апелляцию можно подать только из заблокированного аккаунта. По данным прессы, цену акций Anthropic назначат 18 ноября, торги начнутся 19-го. Связь блокировок с выходом на биржу пока только слух, первоисточника нет.
Что делать заранее:
- держите чаты, память и рабочие файлы у себя, а не только в облаке модели
- держите второй аккаунт или второго поставщика на подхвате
- не вешайте ключ сервера на тот же аккаунт, на котором работают люди
Кому что брать
| Задача | Что брать |
|---|---|
| Ежедневный поток кода | Opus 5.5 на высоком уровне |
| Длинная трудная задача, проверка перед необратимым | Fable 5.2 |
| Второй исполнитель, экономия токенов | Codex на GPT-6 Astra, проверка Opus |
| Сверхвысокий и максимальный уровни | не ставим |
Разработка с ИИ под ваши задачи
Пишем код ИИ-агентами с проверками, как в этой статье: сайты, боты, мини-приложения и внутренние сервисы.
Стоимость от 1 500 $
Вопросы
- Fable 5.2 умнее Opus 5.5?
- На длинных задачах чуть умнее и лучше проверяет чужую работу. На коротком коде результат одинаковый, а Fable дольше.
- Какой уровень усилий ставить в Claude Code?
- Высокий. Сверхвысокий у нас работал вдвое дольше без прибавки в качестве.
- Что лучше для кода: Claude или Codex?
- По качеству у нас вышло близко. Codex тратит в 4–5 раз меньше токенов, Opus на высоком лучше видит соседний код. Мы держим Opus основным и Codex вторым.
- Какая нейросеть лучше для программирования?
- Для ежедневного кода у нас лучше всех Opus 5.5 на высоком уровне. Для длинных задач и проверки берем Fable 5.2, вторым исполнителем Codex.
- Почему Claude блокирует аккаунт?
- Причину Anthropic обычно не называет. Апелляция подается из заблокированного аккаунта. Держите работу у себя и запасной аккаунт, тогда блокировка не остановит дело.
Если вы мерили модели на своих задачах, напишите нам, что вышло: сравним.
