Русский 
English 
Deutsch 
Español 
Italiano 
Français 
Português do Brasil 
Tiếng Việt 
ไทย 
Bahasa Indonesia 
العربية 
हिन्दी 
Три модели для кодинга фронтирного уровня. Две недели. Если вы зазевались в начале июня 2026-го, вы пропустили целое поколение ИИ с открытыми весами, вышедшее, пока вы наливали себе кофе.
Я строю на этих вещах каждый день — агенты, рабочие процессы в CLI, та невзрачная сантехника, которая превращает модель в нечто, действительно доводящее работу до конца. Так что это не список, склеенный из бенчмарков. Это сравнение, которое я хотел бы получить 14 июня, когда все три модели внезапно стали реальными, доступными для скачивания и дрались за место в моём стеке.
Вот короткая версия для нетерпеливых: MiniMax M3, GLM 5.2 и Kimi K2.7-Code — это не один и тот же инструмент с разными логотипами. Одна — мультимодальная рабочая лошадка для длинного контекста, вторая — выгодный тариф для кодинга с окном в миллион токенов, третья — специалист по использованию инструментов, который тихо обходит модели, стоящие впятеро дороже. Выберете не ту — либо переплатите, либо недополучите. Давайте это исправим.
Почему июнь 2026-го ощущался как обвал
Отступите на секунду назад: одна хронология уже всё рассказывает.
- 1 июня — MiniMax выпускает M3, мультимодальную модель с открытыми весами, контекстным окном в 1 млн токенов и совершенно новой архитектурой разреженного внимания.
- 12 июня — Moonshot AI выкладывает Kimi K2.7-Code, специалиста по кодингу с триллионом параметров, на Hugging Face.
- 12 июня — Правительство США предписывает Anthropic приостановить глобальный доступ к её топовым моделям Fable 5 и Mythos 5, ссылаясь на директиву об экспортном контроле.
- 13 июня — Zhipu AI (Z.ai) выпускает GLM 5.2 на всех уровнях своего тарифа для кодинга и обещает открытые веса под лицензией MIT в течение недели.
Итак, примерно за двенадцать дней запустились две из самых мощных открытых моделей для кодинга на планете, появилась третья, а самые сильные западные фронтирные модели убрали с международного стола. Вакуум заполнили раньше, чем большинство команд заметило, что он был.
Вот это и есть настоящий заголовок. Не “Китай догнал” — эта формулировка устарела на год. Сейчас история в том, что фронтир открытых весов движется быстрее любого закупочного цикла, любого квартального плана, любого поста в блоге. К моменту, когда у модели появляются независимые бенчмарки, её преемник уже обучается. Если ваша технологическая стратегия предполагает, что можно стандартизироваться на одной модели на восемнадцать месяцев, эта стратегия уже сломана.
Обратная сторона — действительно хорошая новость для тех, кто строит: у вас есть рычаг, которого не было в 2024-м. Три поставщика, все голодные, все сбивают друг другу цену, все поставляют веса, которые можно развернуть у себя. Именно такая конкуренция поднимает качество и снижает стоимость. Хитрость в том, чтобы понимать, между чем именно вы выбираете.
Знакомьтесь: три претендента
Перед очной ставкой — быстрое и честное знакомство с каждым, включая ту часть, которую пропускают большинство обзоров запуска: какие цифры подтверждены независимо, а какие поставщик сам себе поставил.
MiniMax M3 — мультимодальный дальнобойщик
MiniMax, лаборатория из Шанхая, выпустила M3 1 июня. Её главная особенность — не бенчмарк, а архитектура. M3 работает на MiniMax Sparse Attention (MSA), которая заменяет полное внимание системой, обрабатывающей только релевантные блоки длинного контекста. Практическая отдача: примерно одна двадцатая вычислений на токен при 1 млн токенов по сравнению с предыдущим поколением, а prefill, по сообщениям, быстрее в 9 раз и декодирование более чем в 15 раз.
Это важнее, чем звучит. Модели с длинным контекстом обычно задыхаются — медленно, дорого и всё более забывчиво, чем глубже вы заходите. MSA — это ставка MiniMax на то, что можно получить по-настоящему рабочий миллионный контекст без взрыва счёта и задержек.
M3 также нативно мультимодальна: текст, изображение и видео на входе, текст на выходе. Это единственная модель в тройке, которая читает скриншот или запись экрана без дополнительных надстроек. MiniMax сообщает о результате SWE-Bench Pro 59,0%, который, по её словам, немного опережает GPT-5.5 и Gemini 3.1 Pro, но уступает Claude Opus 4.8. В листинге OpenRouter цена была около $0,30 за миллион входных токенов и $1,20 за миллион выходных на старте (промо-тариф; стандартная цена примерно вдвое выше), а чтение из кеша — около $0,06.
Звёздочка: эти бенчмарки прогонялись на собственной инфраструктуре MiniMax с её собственными агентскими обвязками. Считайте их ориентиром, а не истиной в последней инстанции, пока не выскажутся нейтральные площадки. И если вы пользуетесь облачным API, а не разворачиваете веса у себя, помните, что поставщик работает под китайской юрисдикцией — реально важное обстоятельство для всех, кто имеет дело с регулируемыми или клиентскими данными.
GLM 5.2 — выгодный тариф для кодинга с окном в 1 млн
GLM 5.2 от Zhipu вышла 13 июня и сделала два громких обещания: по-настоящему рабочий контекст в 1 млн токенов и открытые веса под лицензией MIT появятся в течение недели после релиза. По сообщениям, это большая модель Mixture-of-Experts — часто цитируемая цифра: 744 млрд параметров всего при 40 млрд активных — построенная в первую очередь для кодинга, с двумя режимами размышления (High и Max, последний рекомендуется для самых сложных задач).
Для работающих разработчиков GLM 5.2 интересна не строчкой в рейтинге. Интересен GLM Coding Plan. Начальный уровень стоит около $18 в месяц примерно за 400 промптов в неделю, дальше идут Pro (~2 000 в неделю), Max (~8 000 в неделю) и командный тариф с оплатой за место — и GLM 5.2 входит во все без надбавки к 5.1. Это примерно десятая часть того, что стоят сопоставимые премиальные тарифы Claude Code и Claude Max. Для одиночного разработчика или небольшой команды с таким соотношением цены и возможностей трудно спорить.
Она также почти без трения встраивается в ваши существующие инструменты. Поддержка с первого дня охватывает Claude Code, Cline, OpenCode, Roo Code, Goose, Crush, OpenClaw и Kilo Code. Если ваш агент умеет говорить по API в формате OpenAI или Anthropic и позволяет задать свой endpoint, то GLM 5.2 — это замена в конфиге: направьте клиент на endpoint Z.ai и установите модель glm-5.2.
Звёздочка: на старте Zhipu не опубликовала ни одного официального бенчмарка. Ни SWE-bench, ни LiveCodeBench, ничего. Несколько ранних сторонних замеров всё же просочились (одно издание зафиксировало её на вершине бенчмарка рассуждений под названием BridgeBench и около 300 токенов/с), но верификации сейчас действительно мало. Если качество модели важно для продакшена, протестируйте её сами, прежде чем верить маркетингу.
Kimi K2.7-Code — специалист по инструментам, бьющий выше своей весовой категории
K2.7-Code от Moonshot AI появилась 12 июня и она самая узкоспециализированная из трёх. Это модель Mixture-of-Experts на 1 трлн параметров с 32 млрд активных на токен (384 эксперта, 8 выбранных плюс 1 общий, 61 слой, внимание MLA), контекстное окно на 256K токенов, и видеокодером на 400 млн параметров для изображений и видео. Веса лежат на Hugging Face под модифицированной лицензией MIT, поставляются в нативном INT4.
Ставка сделана на эффективность, а не на голый размер. K2.7-Code использует примерно на 30% меньше “размышляющих” токенов, чем её предшественница K2.6 и при этом показывает более высокие результаты в бенчмарках Moonshot по кодингу (+21,8% в Kimi Code Bench v2, +11,0% в Program Bench, +31,5% в многоязычном наборе). Меньше токенов на рассуждения при лучшем результате — прямой путь к меньшему счёту в рабочих процессах с оплатой по токенам.
Но цифра, которая заставила меня выпрямиться, — MCPMark Verified: K2.7-Code набирает 81,1, обходя 76,4 у Claude Opus 4.8 в реальных задачах использования инструментов в таких средах, как GitHub, Postgres, Filesystem и Playwright. Для агентской работы — где модель не пишет функцию в изоляции, а оркестрирует инструменты на протяжении многих шагов — именно эта метрика предсказывает, доведёт ли ваш агент дело до конца. Цены API — около $0,95 на вход / $4,00 на выход за миллион токенов, а тариф Kimi Code CLI — от $19 в месяц.
Звёздочки (их две): Во-первых, каждый опубликованный к настоящему моменту бенчмарк K2.7 — это собственный закрытый набор Moonshot; независимых цифр SWE-bench Verified, LiveCodeBench или Terminal-Bench пока нет. Во-вторых, “размышление” включено всегда (с preserve_thinking между ходами) и мгновенного режима нет, так что вы платите налог на рассуждения при каждом вызове, хотите вы этого или нет. А self-hosting — это жестоко: сопоставимый квант K2.6 весит около 340 ГБ и требует более 350 ГБ суммарно оперативной и видеопамяти. Для почти всех это означает аренду API, а не владение моделью.
Очная ставка в одной таблице
Вот сравнение, сведённое к тому, что реально влияет на решение. Там, где цифра сообщена поставщиком, я это отметил: сравнение, скрывающее свою неопределённость, — это просто маркетинг с сеткой.
| GLM 5.2 | MiniMax M3 | Kimi K2.7-Code | |
|---|---|---|---|
| Лаборатория | Zhipu AI (Z.ai), Пекин | MiniMax, Шанхай | Moonshot AI, Пекин |
| Выпуск | June 13, 2026 | June 1, 2026 | June 12, 2026 |
| Контекстное окно | 1 млн токенов | 1 млн токенов | 256K токенов |
| Архитектура | MoE (~744B/40B активных, по сообщениям) | MoE + Sparse Attention (MSA) | MoE, 1T total / 32B active |
| Мультимодальность | Нет (сначала кодинг) | Да — текст, изображение, видео | Да — изображение, видео через видеокодер |
| Лицензия | MIT (открытые веса, ~1 неделя после релиза) | Открытые веса обещаны (~10 дней) | Модифицированная MIT (веса доступны) |
| Главное преимущество | Контекст 1 млн + дешёвый тариф для кодинга | Длинный контекст, мультимодальность + скорость | Работа с инструментами / MCP, экономия токенов |
| Ориентир по цене | Тариф ~$18/мес (≈1/10 тарифов Claude) | ~$0,30/$1,20 за 1 млн (промо) | ~$0,95/$4,00 за 1 млн; CLI за $19/мес |
| Статус бенчмарков | На старте официальных нет | От поставщика (59% SWE-Bench Pro) | От поставщика (81,1 MCPMark, обходит Opus 4.8) |
| Главный подвох | Не проверена, независимых оценок нет | Хостинг под китайской юрисдикцией | Размышление всегда включено; 340 ГБ+ для self-hosting |
Один рейтинг разработчика, разошедшийся после практических тестов, расставил поле примерно так: Fable 5 впереди, затем Kimi K2.7, затем уровень Opus 4.8 вместе с GLM 5.2, затем GPT-5.5, затем MiniMax M3 — но относитесь к этому с большой долей скепсиса. Это порядок одного тестировщика, на одном наборе задач, на неделе, когда у половины этих моделей вообще не было проверенных цифр. Единственный рейтинг, который имеет значение, — ваша нагрузка.
И где во всём этом место “вайб-кодингу”?
Здесь стоит задержаться: термин используют слишком вольно. Вайб-кодинг — это рабочий процесс, в котором вы описываете желаемое простым языком и позволяете модели написать, запустить и исправить код: вы управляете намерением и ощущением, а не набираете каждую строку сами. Для многих (и для меня, во многих проектах) это теперь способ создания ПО по умолчанию.
Это уже не маргинальная идея. Zhipu буквально назвала техническую статью о GLM-5 “от вайб-кодинга к агентной инженерии” — сами лаборатории видят траекторию так: свободное, разговорное прототипирование взрослеет в структурированную автономную инженерию, способную работать часами без присмотра.
Но вот о чём никто не говорит: лучшая модель для вайб-кодинга целиком зависит от того, на какой стадии вайба вы находитесь.
- Раннее, исследовательское прототипирование в духе “просто сделай мне штуку” — когда вы быстро итерируете, кидаете в него скриншоты и меняете решение каждые две минуты — требует дешёвой, быстрой и снисходительной модели с мультимодальным входом. MiniMax M3 здесь блистает. Низкая стоимость токенов позволяет итерировать без чувства вины, а подача скриншота дизайна вместо его описания — настоящее раскрытие возможностей рабочего процесса.
- Вайб-кодинг в большой кодовой базе — “прочитай весь мой репозиторий и отрефактори слой аутентификации” — здесь правит контекстное окно. Миллионное контекстное окно GLM 5.2 (и тот выгодный тариф для кодинга) позволяет держать весь проект в поле зрения без постоянных переобъяснений, а это главный источник трения в агентной работе.
- Серьёзный край — длинные, насыщенные инструментами агентные сборки которые трогают вашу базу данных, файловую систему и историю Git на сотнях шагов, — требует модели, которая не потеряет нить посреди задачи. Оценки Kimi K2.7-Code в работе с инструментами созданы именно для этого. Когда задача — не столько “напиши функцию”, сколько “проведи весь мой инструментарий, чтобы выпустить фичу”, надёжные вызовы инструментов каждый раз побеждают более красивый пример кода.
Неудобная правда: вайб-кодинг усиливает любую модель, которую вы ему дадите. Отличная модель с хорошим контекстом превращает смутное намерение в работающее ПО. Слабая превращает его в уверенную кучу багов, которые вы не писали и не понимаете. Выбирайте модель под стадию, а не под хайп.
Какую же из них действительно использовать?
Без дипломатических оговорок. Вот как я бы распределил решение.
Выбирайте MiniMax M3, если ваша работа связана с длинным контекстом и мультимодальностью — ревью больших кодовых баз, рассуждения по множеству файлов или любой рабочий процесс, где скриншот, схема или видео входят во входные данные. Это также та модель, к которой я потянусь, когда стоимость одной итерации — жёсткое ограничение: архитектура разреженного внимания держит работу с длинным контекстом быстрой и дешёвой. Только для всего чувствительного разворачивайте веса у себя.
Выбирайте GLM 5.2, если вы хотите максимум возможностей за евро и живёте в большой кодовой базе. Тариф для кодинга примерно за десятую часть премиальной цены Claude, настоящий 1-миллионный контекст и бесшовная поддержка Claude Code и компании делают её очевидным выбором по умолчанию для одиночных разработчиков и небольших команд. Подвох — доверие: вы полагаетесь на неё до появления независимых бенчмарков, так что сначала сделайте прототип, а потом ставьте на неё сроки.
Выбирайте Kimi K2.7-Code, если вы строите автономных агентов, которые оркестрируют инструменты — серверы MCP, базы данных, браузеры, файловые системы — в течение долгих сессий. Её работа с инструментами — самый выдающийся результат во всём этом сравнении, а выигрыш в экономии токенов напрямую снижает ваши текущие расходы. Платите по тарифу API, а не боритесь с требованием в 340 ГБ для self-hosting, и примите, что размышление включено всегда.
Или — и именно так я и делаю — используйте все три. Распределяйте по задачам. Дешёвая мультимодальная итерация — M3, рефакторинги с большим контекстом — GLM 5.2, прогоны агентов с множеством инструментов — Kimi. Такие инструменты, как Kilo Code, OpenCode и Claude Code, превращают смену провайдера в правку конфига, а не в миграцию. На рынке, который движется так быстро, переносимость важнее верности. Постройте рабочий процесс так, чтобы менять модель за один вечер, и хаос июня 2026-го из угрозы превратится в преимущество.
Замечание о доверии ко всем этим цифрам
Быстрая проверка на здравый смысл, она избавит вас от огорчений. Почти каждый бенчмарк в этой статье — со слов поставщика. GLM 5.2 вышла вообще без них. Даже уважаемые публичные наборы страдают от загрязнения: SWE-Bench Pro существует отчасти потому, что старые бенчмарки просочились в обучающие данные и завысили результаты.
Ничего из этого не делает модели плохими. Это значит, что единственный важный бенчмарк — ваш собственный репозиторий, ваши задачи, ваше определение “готово”. Настройте небольшую воспроизводимую оценку — три-четыре реальных тикета из бэклога — и прогоните каждую модель по ней, прежде чем брать обязательства. Один вечер тестирования скажет вам больше, чем все блог-посты дня запуска вместе взятые, включая этот.
Часто задаваемые вопросы
GLM 5.2 действительно бесплатна? Веса под лицензией MIT, их можно свободно скачать и развернуть у себя после релиза. Облачный GLM Coding Plan платный: от примерно $18 в месяц — но это около десятой части сопоставимых премиальных тарифов Claude, и GLM 5.2 входит в каждый тариф без доплаты.
Какая лучше именно для вайб-кодинга? Единого победителя нет. MiniMax M3 лучше для быстрого, дешёвого мультимодального прототипирования; GLM 5.2 — для вайб-кодинга в больших кодовых базах благодаря окну в 1 млн токенов; Kimi K2.7-Code — для серьёзных агентных сборок с множеством инструментов. Подбирайте модель под стадию, на которой находитесь.
Можно ли использовать их с Claude Code? Да. GLM 5.2 поддерживает Claude Code с первого дня: направьте клиент на endpoint Z.ai и установите модель glm-5.2. Kimi и MiniMax обе предоставляют API, совместимые с OpenAI и Anthropic, поэтому большинство агентных инструментов для кодинга принимают их как свой endpoint после замены ключа.
У кого самое большое контекстное окно? GLM 5.2 и MiniMax M3 обе предлагают 1 млн токенов. Kimi K2.7-Code предлагает 256K — меньше, но всё ещё достаточно для работы с большинством отдельных репозиториев.
Надёжны ли результаты бенчмарков? Считайте их ориентиром. По состоянию на середину июня 2026-го большинство опубликованных результатов получены самими поставщиками на их собственной инфраструктуре, а GLM 5.2 вышла без официальных бенчмарков. Проведите собственную оценку на реальных задачах, прежде чем выводить в продакшен.
Можно ли запустить что-то из этого на обычной машине? Полные веса — нет. Для self-hosting Kimi K2.7-Code нужно примерно 350 ГБ+ суммарной оперативной и видеопамяти, а остальные тоже большие MoE-модели. Для большинства практичный путь — облачный API или управляемый провайдер; self-hosting — для команд с серьёзным бюджетом на GPU или жёсткими требованиями к местонахождению данных.
Итог
Две недели июня 2026-го дали разработчикам три серьёзные модели для кодинга с открытыми весами, фронтир, который теперь действительно конкурентен по цене, и ясный сигнал, что темп не замедляется. MiniMax M3 — ваша мультимодальная, длинноконтекстная и экономичная машина для прототипирования. GLM 5.2 — лучшая ставка на возможности за евро для работы с большими кодовыми базами, если вы готовы доверять ей до появления бенчмарков. Kimi K2.7-Code — специалист по инструментам для настоящих агентных сборок.
Самый умный ход — не выбрать любимчика, а построить рабочий процесс, достаточно гибкий, чтобы использовать ту модель, которая подходит к задаче перед вами, и подставить следующую, когда она неизбежно выйдет в следующем месяце. На таком быстром рынке адаптивность — это и есть стратегия.
Если вы пытаетесь понять, как это встроить в свой стек — подключить эти модели к агенту для кодинга, встроить ИИ-автоматизацию в свой бизнес или просто получить трезвое второе мнение перед тем, как решиться, — именно такой работой я занимаюсь в Graham Miranda. Свяжитесь со мной — и давайте построим что-то, что проживёт дольше новостного цикла.
Есть модель, которая, по-вашему, должна быть в этом сравнении, или нагрузка, для которой вы не можете выбрать маршрут? Напишите в комментариях — я их читаю и обновляю эти руководства по мере движения области (а в последнее время она движется постоянно).
