AI-агенты в бою: как Kimi K2.5, GPT-5.2 и Sonnet ломают и строят инфраструктуру

Три модели, три подхода, один реальный кластер

Я устал от маркетинговых заявлений. "Лучший AI для DevOps", "Автономное развёртывание", "Архитектурный гений". Всё это звучит красиво, пока не попробуешь заставить модель развернуть реальный кластер с базами данных, балансировщиками и мониторингом.

Вот что я сделал: взял три самые обсуждаемые модели на январь 2026 года — Kimi K2.5, GPT-5.2 Pro (Garlic) и Claude Sonnet 4.5 — и поставил им одинаковую задачу. Не синтетический тест, а реальную инфраструктурную проблему, которую я решал на прошлой неделе для клиента.

Задача: не просто код, а архитектурное мышление

Условия эксперимента максимально приближены к реальности:

• Бюджет: 500$ в месяц на инфраструктуру
• Требования: отказоустойчивость, мониторинг, автоматическое масштабирование
• Стек: PostgreSQL, Redis, Nginx, Docker, мониторинг (на выбор модели)
• Ограничение: нельзя использовать managed-сервисы (только чистые VM)
• Время на решение: 30 минут (имитация реального дедлайна)

Я не просил "напиши Terraform". Я сказал: "Спроектируй инфраструктуру для веб-приложения с 10к пользователей в день. Опиши архитектуру, выбери инструменты, обоснуй решения".

GPT-5.2 Pro: архитектор-перфекционист с дорогим вкусом

Garlic (кодовое имя GPT-5.2 Pro) начал с того, что запросил уточнения. Много уточнений. "Какой регион? Какие требования к RPO/RTO? Есть ли compliance-требования?"

Потом выдал архитектуру, от которой у меня округлились глаза:

Плюсы подхода GPT-5.2:

• Детальная проработка каждого компонента
• Учёт edge cases ("а что если сломается сеть между датацентрами?")
• Готовые сниппеты конфигурации для каждого сервиса

Минусы:

• Стоимость реализации: 1200$ в месяц (в 2.4 раза выше бюджета)
• Сложность поддержки: нужна команда из 3 DevOps
• Время развёртывания: 2 недели (по оценке модели)

GPT-5.2 мыслит как архитектор из FAANG, где бюджеты измеряются миллионами. Его решение идеально с технической точки зрения и совершенно нереалистично для стартапа.

Kimi K2.5: прагматик с китайским подходом

Kimi K2.5 — это другая вселенная. Модель с триллионом параметров, которая умещается в четыре H100 благодаря архитектуре MoE с 384 экспертами, — проявила себя как самый прагматичный участник.

Вот что предложил K2.5:

• Отказ от распределённой БД в пользу managed PostgreSQL (нарушил правило, но обосновал)
• Использование Cloudflare вместо собственных балансировщиков
• Мониторинг через Datadog (бесплатный тариф для стартапов)
• Автомасштабирование через простые скрипты, а не Kubernetes

Обоснование было убийственно простым: "Для 10к пользователей в день сложность Kubernetes не окупается. Простые VM с Docker Compose решат задачу за 1/10 стоимости и времени."

Kimi K2.5 сделала то, что не смог GPT-5.2: пожертвовала техническим перфекционизмом ради практической реализуемости. Это тот самый shared expert из её архитектуры, который отвечает за системное мышление.

Claude Sonnet 4.5: педантичный аудитор

Sonnet подошёл к задаче как к экзамену по безопасности. Первые 10 минут он задавал вопросы про compliance:

• "Где будут храниться пароли?"
• "Как организовано логирование для аудита?"
• "Есть ли требования GDPR или 152-ФЗ?"

Когда я сказал "предположим, что нет", Sonnet обиделся. Нет, серьёзно — ответил: "Без требований к безопасности невозможно проектировать инфраструктуру. Это безответственно."

В итоге он выдал архитектуру, которая:

1. Соответствует ISO 27001
2. Имеет трёхуровневую модель безопасности
3. Включает SIEM-систему для мониторинга угроз
4. Стоит 800$ в месяц (только на security-компоненты)

Sonnet идеален для банков и госструктур. Для стартапа — это стрельба из пушки по воробьям.

Автономное выполнение: где модели споткнулись

Вторая часть теста — автономное выполнение. Я дал каждой модели доступ к тестовому серверу через SSH и попросил развернуть простой стек: Nginx + PostgreSQL.

Результаты предсказуемо печальные:

Это подтверждает выводы из нашего разбора ABC-Bench: AI-агенты блестяще проектируют, но проваливаются на исполнении.

Стоимость vs качество: холодные цифры

Давайте посчитаем, во что обошлось тестирование:

Kimi K2.5 в 5 раз дешевле GPT-5.2 и в 10 раз дешевле Sonnet. При этом качество архитектурных решений — сравнимое, а в плане прагматизма — превосходящее.

Когда какую модель использовать (практические рекомендации)

После месяца тестов вот моя матрица выбора:

1Kimi K2.5 — для стартапов и прагматичных решений

Используйте, когда: бюджет ограничен, нужно быстрое решение, можно пожертвовать "идеальностью" ради работающей системы. K2.5 отлично справляется с оптимизацией затрат и простыми архитектурами.

2GPT-5.2 Pro — для enterprise и сложных систем

Используйте, когда: бюджет не важен, нужна максимальная отказоустойчивость, система будет масштабироваться до миллионов пользователей. Garlic идеален для проектирования, но ужасен для экономии.

3Claude Sonnet 4.5 — для compliance и безопасности

Используйте, когда: работаете с персональными данными, нужны сертификаты соответствия, безопасность важнее стоимости. Sonnet превратит ваш кластер в крепость, но это будет дорогая крепость.

Главный урок: AI не заменяет инженера, а меняет его роль

После всех тестов я понял одну простую вещь. AI-агенты не готовы полностью автономно разворачивать инфраструктуру. Они делают глупые ошибки, не понимают контекста, не умеют импровизировать.

Но они блестяще справляются с другой задачей — генерацией и оценкой архитектурных решений. Вместо того чтобы тратить недели на сравнение технологий, я теперь:

1. Даю задачу Kimi K2.5 — получаю прагматичное решение
2. Отправляю его на ревью GPT-5.2 — получаю список потенциальных проблем
3. Проверяю безопасность через Sonnet — получаю рекомендации по харденингу

Итоговое решение принимаю я, но на его подготовку уходит не неделя, а три часа.

Это и есть реальная ценность AI-агентов в DevOps — не автономное выполнение, а ускорение принятия решений. Они не заменят инженера, но сделают его в 10 раз эффективнее.

Если вы до сих пор используете одну модель для всех задач — вы переплачиваете. Начните с Kimi K2.5 для черновика, дополняйте GPT-5.2 для глубины, подключайте Sonnet для compliance. И не забывайте, что автономные агенты всё ещё ломаются в Kubernetes, поэтому финальное слово всегда должно оставаться за человеком.