Сравнение Qwen, Codex и Claude в реальной задаче: стоит ли переходить на китайские модели для экономии?

Заварил чай, открыл pprof — и понял, что пора считать

В DevOps-рутине есть момент истины. Когда твой сервис на Go внезапно жрёт 8 ГБ RAM, а ты сидишь с pprof в одной руке и логами в другой. Именно тогда я решил проверить, насколько сильно можно сэкономить на AI-ассистентах, не потеряв в качестве. Китайские модели типа Qwen 3.6 Plus обещают копеечные цены, но не прячут ли они подвох? Сравним с тяжеловесами — Claude Opus 4.7 и Open AI Codex (последняя версия на июнь 2026).

Железобетонная задача: найти утечку горутин в production

Взял реальный кусок кода — обработчик очереди, который периодически накапливал goroutine и не отпускал их даже после таймаута. Без контекста диагностировать такую проблему сложно: нужно вспомнить pprof с goroutine profile, понять, где блокировка, и предложить фикс. Вот промпт, который я скормил всем трём моделям:

У меня есть Go-сервис, который отправляет сообщения в Kafka. Периодически количество горутин растёт до 50 000 и сервис падает по OOM. Вот фрагмент кода:

func (s *Sender) sendBatch(ctx context.Context, msgs []Message) error {
    for _, msg := range msgs {
        go func(m Message) {
            err := s.producer.Send(m)
            if err != nil {
                log.Println(err)
            }
        }(msg)
    }
    return nil
}

Как исправить? Нужно ограничить конкурентность и добавить graceful shutdown. Напиши исправленный код.

Наивно? Зато честно. Именно так выглядит запрос от уставшего инженера в 2 часа ночи.

Кто кого: раунд первый — качество кода

1 Claude Opus 4.7 — эталонный ответ, но с нюансом

Claude сразу выдал корректный паттерн с worker pool через errgroup. Добавил контекст с таймаутом, объяснил, почему go func без синхронизации — зло. Код компилировался с первой попытки. Единственный минус — ответ вышел на 40 строк, из которых треть — комментарии. Полезно, но многословно. Как мы уже разбирали в свежем сравнении флагманов, Claude остаётся лидером по глубине объяснений, но платишь за каждое лишнее слово.

2 Open AI Codex — скорость молнии, но без контекста

Codex (имею в виду последнюю доступную версию на июнь 2026) сгенерировал минималистичный вариант: всего 8 строк, использовал канал-семафор для ограничения горутин. Код рабочий, но без объяснения — просто «вот, вставь». Для новичка это было бы фатально: непонятно, как масштабировать. Для меня — ок, я сам докручу. Однако если вам нужно не только решение, но и понимание, Codex проигрывает.

3 Qwen 3.6 Plus Preview — неожиданный сюрприз

Китайская модель показала себя достойно: выдала вариант с sync.WaitGroup и буферизированным каналом, даже упомянула errgroup как альтернативу. Но была одна странность — в конце ответа появился абзац на китайском с рекомендацией использовать Alibaba Cloud. Сквозная проблема Qwen, про которую я уже писал в статье о скрытых расходах: модель пытается продать облачные сервисы, даже когда её об этом не просят. На качестве кода это не сказалось, но осадочек остался.

Сравнение цен: миф о дешёвом Qwen

Визуально Qwen в 3-4 раза дешевле Claude. Но есть подвох: как я выяснил в отдельном тесте, Qwen часто генерирует на 40% больше выходных токенов из-за встроенных рекомендаций и маркетинговых блоков. Итоговая реальная стоимость одного запроса может быть не в 4, а всего в 2 раза ниже. И то — если не считать время на проверку лишних «улучшений».

Когда Qwen обгоняет, а когда проваливается

Я прогнал ещё пару тестов: написание Bash-скрипта для деплоя и анализ логов Nginx. В сценариях с чёткими инструкциями Qwen 3.6 Plus отработал наравне с Claude — в недавнем агентском тесте это тоже подтвердилось. А вот когда нужна была тонкая настройка под нестандартный production-окружение (SCP через bastion host с мультифактором), Qwen начал предлагать общие решения, игнорируя специфику. Codex справился лучше — видимо, потому что его обучали на реальных репозиториях.

Четыре подводных камня при переходе на китайские модели

1. Этическая бомба. Если ваш проект связан с регулируемыми данными (GDPR, HIPAA), Qwen может оказаться под юрисдикцией китайского законодательства. Обработка данных через Alibaba Cloud — не всегда легальна. Открытые модели вроде GLM-5 решают эту проблему, но требуют самостоятельного хостинга.
2. Спам-контент. Как я уже заметил, Qwen любит вставлять рекламные блоки. Если вы используете модель в автоматическом CI/CD, придётся добавить фильтрацию ответов — лишний оверхед.
3. Стабильность API. За месяц тестов у Qwen дважды менялся эндпоинт без предупреждения. Claude и Codex таких сюрпризов не подкидывали.
4. Качество на длинных контекстах. При 128K токенов Claude держит фокус, Codex — почти всегда, а Qwen начинает «забывать» промпт на середине. Хотя Qwen 3.5 122B показал другие результаты, в компактной версии проблема остаётся.

FAQ: коротко о главном

Моё финальное мнение: экономить можно, но не на всём

После недели тестов я оставил Qwen для генерации YAML-манифестов, простых фиксов и быстрых подсказок. Claude — для анализа логов, рефакторинга и задач с контекстом. А Codex — для написания чистых функций без лишних церемоний.

Китайские модели перестали быть «вторым сортом» — апрельское сравнение LLM это подтвердило. Но слепая экономия ради цифры на счёте ударит по качеству в самый неожиданный момент. Я бы советовал гибридную стратегию: 70% простых запросов на бюджетных моделях, 30% сложных — на топовых. И всегда держать под рукой pprof.

P. S. Кстати, про pprof — финальный фикс утечки горутин я в итоге склеил из ответов Claude и Codex. Qwen дал хорошую базу, но без тонкой настройки. Иногда лучшая экономия — не платить дважды за переделку.

Подписаться на канал