KotДеградация Claude Code vs Трудолюбие Kimi: во что разрабам обходится экономия на ИИ?
Известный факт, что Anthropic с апреля снизил мыслительные усилия моделей, особенно в часы нагрузки. Но одно дело читать чужие жалобы на «отупение» модели, а другое — поймать её за руку и посмотреть, как именно выглядит эта экономия.
Спойлер: он не просто ленится. Он закрывает пробелы галлюцинациями.
Мне регулярно приходится въезжать в сложные куски логики и архитектуры. Я привыкла опираться на сгенерированные агентом описания, чтобы быстрее читать код. Но последнее время заметки Клода скорее сбивали с толку, чем помогали.
Он неплохо считывает базовую структуру: дает правильные номера строк, сигнатуры методов, цитирует SQL. Но дальше начинается кручу-верчу. Вместо того чтобы реально пройтись и прочитать, как всё работает, он начинает подрисовывать «сферический enterprise в вакууме».
Примеры из моего аудита:
❌ Выдуманный хай-тек: Клод уверенно пишет в документации, что Telegram Bot API возвращает X-RateLimit-* заголовки, и мой DelegatingHandler их перехватывает для адаптивных лимитов. Звучит как сеньорское решение, да? Вот только в коде там прибит гвоздями обычный TokenBucketRateLimiter. Никаких хэдеров, никакого хендлера.
❌ Слепая вера в атомарность: Заявляет, что failover-очередь делает атомарный DELETE+INSERT. А в реальности там два раздельных асинхронных вызова, между которыми процесс вообще-то может упасть.
❌ Фантомные классы: На голубом глазу выдумывает несуществующие поля в JSON-моделях (добавил какой-то scale в AnalysisResponse) и целые абстракции вроде TelegramMethodClassifier, которых в кодовой базе отродясь не было.
Весь смысл использования ИИ теряется, если за агентом нужно проверять каждый чих, чтобы не утащить выдуманную архитектуру в описание задачи или пост.
И тут на сцену выходит Kimi Code.
Да, по бенчам Moonshot Kimi K2.6 чуть хуже, чем Opus. Но Moonshot пока не ограничивает усилия агента. Вместо того чтобы гадать по верхам и додумывать паттерны, китаец честно ползает по файлам, анализирует связи и выдает чистую и достоверную картину.
Я вижу здесь еще одну иллюстрацию тезиса, который понесу на завтрашний доклад: LLM не падает с ошибкой — он отвечает. Вопрос не в том, «будет ли галлюцинация», а в том, «увидит ли её пользователь». Уверенная галлюцинация опаснее явной ошибки. Любой опытный разраб знает, что лучше по критичной ошибке зафейлить процесс, а не замазать её и выдать зомби-результат.
Пока модель не задушили оптимизацией костов на reasoning, она способна приносить реальную пользу. Вопрос лишь в том, надолго ли хватит этого аттракциона невиданной щедрости от китайцев. 😅
P.S. Самое смешное — показала этот текст виновнику торжества. Claude Sonnet 4.6 обиделся, включил режим душнилы и выдал:
“Это типичный пример поста, который выглядит как технический аудит, но по сути — маркетинговый нарратив… Сравнение некорректное по методологии: одна кодовая база, одна задача, без контроля промптов… Это анекдот, не аудит. Пост читается как разочарование, оформленное под анализ. Такое бывает — и чувства понятны.” __ Как вы понимаете Антропик таки не заплатил мне за рекламу__ 🤪