Все советуют нейросети, но почему 9 из 12 — пустая трата времени?

Yevhenii Rozov · 2026-05-26

14 февраля, 23:40. Я смотрел на экран и не понимал, что происходит с кодом, который работал час назад.

Клиент из Берлина ждал модуль парсинга. $800 контракт, плюс $200 бонус за сдачу в срок. Я попросил ChatGPT "проверить на ошибки" - и он с уверенностью переписал рабочую функцию кеширования. Логика сломалась незаметно, баг проявился только под нагрузкой.

Следующие 4 часа я искал проблему в собственном коде, не подозревая где она.

---

Когда инструмент уверен - это ещё не значит что он прав

Бонус я потерял. Клиента почти тоже - он написал утром холодное письмо про "профессионализм и дедлайны".

До этого я использовал ChatGPT как основной инструмент уже полтора года. Привык. Казалось, хорошо понимаю где он ошибается. Но именно эта самоуверенность и убивает - не когда нейросеть говорит "я не знаю", а когда она говорит "вот исправленный код" и ты ей веришь.

Проблема не в том, что ChatGPT плохой. Проблема в том, что у него нет механизма сомнения в работающем коде. Он оптимизирует под "выглядит правильно", а не под "не сломает то, что уже работает".

После той ночи я решил проверить всё системно. Не читать обзоры, не смотреть YouTube-ролики с "топ 10 нейросетей". Взял 47 реальных задач из своей работы за последние месяцы и прогнал через 12 инструментов за 30 дней. Потратил $340 на подписки.

Вот что я понял.

Я собрал промпты по этой теме в PDF. Забери бесплатно: https://t.me/airozov_bot

---

Три инструмента которые реально работают - и почему именно они

Claude 3.7 Sonnet через Cursor

Это моя основная связка уже четыре месяца. На задачах с кодом Claude делает одну вещь которую я не видел у других: он говорит "я не уверен в этом участке, проверь логику кеширования" вместо того чтобы молча переписать.

На тех же 47 задачах Claude ошибался реже ChatGPT на сложных многофайловых проектах. Не в два раза, но заметно - примерно 30-35% меньше итераций до рабочего результата.

Cursor даёт контекст всего проекта сразу. Это не "вставь кусок кода в чат" - это когда модель видит всю структуру и понимает зависимости. Именно поэтому связка работает лучше чем каждый инструмент отдельно.

ChatGPT-4o - но только для конкретных задач

Я не выбросил ChatGPT. Но теперь понимаю где он сильнее.

Структурирование технического задания, написание документации, объяснение клиенту сложной логики простыми словами - здесь он лучше. Скорость ответа выше, интерфейс удобнее для итеративных правок текста.

Код я ему больше не даю на "проверку". Только на написание с нуля с очень чёткими требованиями - и потом обязательно перепроверяю сам.

Perplexity для ресёрча

Большинство людей используют ChatGPT чтобы найти информацию. Это медленно и ненадёжно - у него нет актуальных данных, он галлюцинирует источники.

Perplexity даёт ссылки на реальные страницы, обновляется в реальном времени, и на задачах типа "найди три библиотеки для парсинга JavaScript-сайтов с активной поддержкой" экономит 40-60 минут которые я раньше тратил на Google плюс ручную проверку каждой репы.

За месяц тестов Perplexity заменил мне браузерный поиск примерно на 70% рабочих ресёрч-задач.

---

Девять инструментов которые не прошли отбор

Gemini Ultra. Copilot. Mistral. Grok. Pi. Claude.ai без Cursor. Poe. Phind. Codeium.

Каждый из них я тестировал минимум на 3-4 задачах. Некоторые - больше.

Не буду разбирать каждый, это займёт отдельную статью. Но общий паттерн такой: большинство инструментов хороши в демо-режиме и разваливаются на реальных задачах с контекстом, зависимостями и нечёткими требованиями.

Именно нечёткие требования - главный тест. Потому что клиенты почти никогда не дают чёткие требования.

---

То чего я не ожидал обнаружить

Я думал что по итогам месяца у меня будет чёткий рейтинг - первое место, второе, третье.

Получилось иначе.

Оказалось что вопрос не "какая нейросеть лучше", а "какой тип задачи ты решаешь прямо сейчас". Это звучит банально пока не начинаешь отслеживать конкретно.

Когда я начал осознанно выбирать инструмент под задачу, а не открывать первую вкладку по привычке - скорость работы выросла. Не на проценты, ощутимо. Примерно 3-4 часа в неделю которые раньше уходили на итерации и исправление ошибок.

Второй инсайт неприятнее.

Большинство людей которые жалуются что "нейросети не работают" - работают с ними как с поисковиком. Написал запрос, получил ответ, скопировал. Это не работает на сложных задачах.

Качество результата почти полностью определяется качеством промпта и контекста который ты даёшь. Это не значит что нужно писать промпты на 500 слов - это значит что нужно понимать как модель обрабатывает задачу.

Я потратил больше времени на изучение этого чем на тестирование самих инструментов. И именно это дало результат.

Третий инсайт, который я не ожидал: дорогая подписка не равно лучший результат. Два инструмента из девяти отбракованных стоили дороже чем мои три рабочих вместе взятые.

Каждый день разбираю один такой инструмент в Telegram: https://t.me/yevheniirozov

---

Что сделать прямо сейчас если ты пишешь код

Зайди на claude.ai. Если есть Cursor - открой его.

Возьми любой кусок кода который ты писал последние две недели и который тебя немного беспокоит - не сломанный, просто "что-то здесь не так". Вставь его и напиши этот промпт:

*"Посмотри на этот код. Не исправляй ничего. Скажи мне: какие три места здесь могут сломаться под нагрузкой или при неожиданных входных данных? Объясни логику каждого."*

Не "проверь на ошибки". Не "улучши код". Именно этот запрос.

Посмотри на ответ. Если модель нашла что-то реальное - ты только что понял разницу между инструментом с красивым интерфейсом и инструментом которому можно доверить деньги.