{"meta":{"title":"Сравнение моделей ИИ","intro":"Сравните доступные модели ИИ и Copilot Chat выберите лучшую модель для вашей задачи.","product":"GitHub Copilot","breadcrumbs":[{"href":"/ru/copilot","title":"GitHub Copilot"},{"href":"/ru/copilot/reference","title":"Справочные материалы"},{"href":"/ru/copilot/reference/ai-models","title":"Модели ИИ"},{"href":"/ru/copilot/reference/ai-models/model-comparison","title":"Сравнение моделей"}],"documentType":"article"},"body":"# Сравнение моделей ИИ\n\nСравните доступные модели ИИ и Copilot Chat выберите лучшую модель для вашей задачи.\n\n## Сравнение моделей ИИ для GitHub Copilot\n\nGitHub Copilot поддерживает несколько моделей ИИ с разными возможностями. Выбранная вами модель влияет на качество и релевантность ответов и Copilot ChatCopilot встроенных предложений. Некоторые модели обеспечивают более низкую задержку, а другие предлагают меньше галлюцинации или более высокую производительность для конкретных задач. Это руководство помогает выбрать лучшую модель на основе задач, а не только имен моделей.\n\n> \\[!NOTE]\n>\n> * Разные модели потребляют AI credits с разной скоростью в зависимости от цены на токены. Дополнительные сведения см. в разделе [Модели и ценообразование для GitHub Copilot](/ru/copilot/reference/copilot-billing/models-and-pricing).\n> * Выбор **опции Авто** при выборе модели автоматически выбирает оптимальную модель для вашей задачи, исходя из доступности модели и сложности задачи.  Если вы пользуетесь платным Copilot тарифом, вы имеете право на скидку на стоимость модели при использовании **опции Auto** . См [. раздел AUTOTITLE](/ru/copilot/concepts/models/auto-model-selection).\n\n### Рекомендуемые модели по задачам\n\nИспользуйте эту таблицу для быстрого поиска подходящей модели, см. дополнительные сведения в разделах ниже.\n\n| Модель     | Область задач | Excels at (основной вариант использования) | Дополнительные материалы |\n| ---------- | ------------- | ------------------------------------------ | ------------------------ |\n|            |               |                                            |                          |\n| GPT-5 mini |               |                                            |                          |\n\n```\n                               | General-purpose coding and writing | Fast, accurate code completions and explanations        | [GPT-5 mini model card](https://cdn.openai.com/gpt-5-system-card.pdf) |\n```\n\n\\|  |\n\\| GPT-5.3-Codex\n\\| Agentic software development | Agentic tasks        | [GPT-5.3-Codex model card](https://deploymentsafety.openai.com/gpt-5-3-codex) |\n\\|  |\n\\| GPT-5.4\n\\| Deep reasoning and debugging | Multi-step problem solving and architecture-level code analysis        | [GPT-5.4 model card](https://deploymentsafety.openai.com/gpt-5-4-thinking/introduction) |\n\\|  |\n\\| GPT-5.4 mini\n\\| Agentic software development | Codebase exploration and is especially effective when using grep-style tools        | [GPT-5.4 mini model card](https://deploymentsafety.openai.com/gpt-5-4-thinking/gpt-5-4-thinking.pdf) |\n\\|  |\n\\| GPT-5.5\n\\| Deep reasoning and debugging | Multi-step problem solving and architecture-level code analysis        | [GPT-5.5 model card](https://deploymentsafety.openai.com/gpt-5-5/gpt-5-5.pdf) |\n\\|  |\n\\| GPT-5.6 Luna\n\\| Fast help with simple or repetitive tasks | Quick, cost-efficient responses for smaller, faster coding tasks        | [GPT-5.6 model card](https://deploymentsafety.openai.com/gpt-5-6/gpt-5-6.pdf) |\n\\|  |\n\\| GPT-5.6 Sol\n\\| Deep reasoning and debugging | Complex reasoning over large codebases and long-running agentic work        | [GPT-5.6 model card](https://deploymentsafety.openai.com/gpt-5-6/gpt-5-6.pdf) |\n\\|  |\n\\| GPT-5.6 Terra\n\\| General-purpose coding and agent tasks | Balanced everyday interactive and agentic coding        | [GPT-5.6 model card](https://deploymentsafety.openai.com/gpt-5-6/gpt-5-6.pdf) |\n\\|  |\n\\| Claude Fable 5\n\\| Long-horizon, autonomous coding and knowledge-work | First-attempt correctness through upfront reasoning, aggressive parallel tool batching, and proactive verification of pre-existing test state before debugging        | [Claude Fable 5 model card](https://anthropic.com/claude-fable-5-mythos-5-system-card) |\n\\|  |\n\\| Claude Fable 5.1\n\\| Long-horizon, autonomous coding and knowledge-work | Substantial, long-running coding tasks, including deep codebase research, feature development, and complex agentic workflows        | [Claude Fable 5.1 model card](https://www-cdn.anthropic.com/0339e6a7c5c7b87f5c07798616dc32c215d14235/Claude%20Fable%205.1%20&%20Claude%20Mythos%205.1%20System%20Card.pdf) |\n\\|  |\n\\| Claude Haiku 4.5\n\\| Fast help with simple or repetitive tasks | Fast, reliable answers to lightweight coding questions        | [Claude Haiku 4.5 model card](https://assets.anthropic.com/m/99128ddd009bdcb/Claude-Haiku-4-5-System-Card.pdf) |\n\\|  |\n\\| Claude Opus 4.7\n\\| Deep reasoning and debugging | Complex problem-solving challenges, sophisticated reasoning        | [Claude Opus 4.7 model card](https://cdn.sanity.io/files/4zrzovbb/website/037f06850df7fbe871e206dad004c3db5fd50340.pdf) |\n\\|  |\n\\| Claude Opus 4.8\n\\| Deep reasoning and debugging | Complex problem-solving challenges, sophisticated reasoning        | [Claude Opus 4.8 model card](https://www-cdn.anthropic.com/0b4915911bb0d19eca5b5ee635c80fef830a37ea.pdf) |\n\\|  |\n\\| Claude Opus 4.8 (fast mode) (preview)\n\\| Deep reasoning and debugging | Complex problem-solving challenges, sophisticated reasoning        | [Claude Opus 4.8 model card](https://www-cdn.anthropic.com/0b4915911bb0d19eca5b5ee635c80fef830a37ea.pdf) |\n\\|  |\n\\| Claude Opus 5\n\\| Deep reasoning and debugging | Complex problem-solving challenges, sophisticated reasoning        | [Claude Opus 5 model card](https://www-cdn.anthropic.com/c5fbac3f0b1280a933ebd26d3cb8bb9f5bdeaf48/Claude%20Opus%205%20System%20Card.pdf) |\n\\|  |\n\\| Claude Sonnet 4.5\n\\| General-purpose coding and agent tasks | Complex problem-solving challenges, sophisticated reasoning        | [Claude Sonnet 4.5 model card](https://assets.anthropic.com/m/12f214efcc2f457a/original/Claude-Sonnet-4-5-System-Card.pdf) |\n\\|  |\n\\| Claude Sonnet 4.6\n\\| General-purpose coding and agent tasks | Complex problem-solving challenges, sophisticated reasoning        | [Claude Sonnet 4.6 model card](https://www-cdn.anthropic.com/78073f739564e986ff3e28522761a7a0b4484f84.pdf) |\n\\|  |\n\\| Claude Sonnet 5\n\\| General-purpose coding and agent tasks | Complex problem-solving challenges, sophisticated reasoning        | [Claude Sonnet 5 model card](https://www-cdn.anthropic.com/9e6a1044980d8c4ed85669faf9c2a8342e2e9f1e/Claude%20Sonnet%205%20System%20Card.pdf) |\n\\|  |\n\\| Gemini 3.1 Pro\n\\| Deep reasoning and debugging | Effective and efficient edit-then-test loops with high tool precision        | [Gemini 3.1 Pro model card](https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-3-1-Pro-Model-Card.pdf) |\n\\|  |\n\\| Gemini 3.5 Flash\n\\| Fast help with simple or repetitive tasks | Fast, reliable answers to lightweight coding questions        | [Gemini 3.5 Flash model card](https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-3-5-Flash-Model-Card.pdf) |\n\\|  |\n\\| Gemini 3.6 Flash\n\\| Fast help with simple or repetitive tasks | Fast, reliable answers to lightweight coding questions        | [Gemini 3.6 Flash model card](https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-3-6-Flash-Model-Card.pdf) |\n\\|  |\n\\| Gemini 3.7 Flash\n\\| Fast help with simple or repetitive tasks | Fast, reliable answers to lightweight coding questions        | [Gemini 3.7 Flash model card](https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-3-7-Flash-Model-Card.pdf) |\n\\|  |\n\\| Gemini 3.8 Flash\n\\| Fast help with simple or repetitive tasks | Fast, reliable answers to lightweight coding questions        | [Gemini 3.8 Flash model card](https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-3-8-Flash-Model-Card.pdf) |\n\\|  |\n\\| MAI-Code-1-Flash\n\n\\[^mai-code-1-flash]                                   | General-purpose coding and writing | Fast, accurate code completions and explanations        | [MAI-Code-1-Flash model card](https://aka.ms/mai-code-1-flash-modelcard) |\n\\|  |\n\\| MAI-Code-1.1-Flash\n\n\\[^mai-code-1-flash]                                   | General-purpose coding and writing, image understanding | Fast code completions and explanations, instruction following, tool use        | [MAI-Code-1.1-Flash model card](https://microsoft.ai/pdf/MAI-Code-1.1-Flash-Model-Card.PDF) |\n\\|  |\n\\| Grok 4.5\n\\| General-purpose coding and agent tasks | Complex problem-solving challenges, sophisticated reasoning        | [Grok 4.5 model card](https://media.x.ai/v1/website/card-7f81d41b.pdf) |\n\\|  |\n\\| Grok 4.6\n\\| General-purpose coding and agent tasks | Complex problem-solving challenges, sophisticated reasoning        | [Grok 4.6 model card](https://media.x.ai/v1/website/card-4p6-4cd2dc57.pdf) |\n\\|  |\n\\| Qwen2.5\n\\| General-purpose coding and writing | Code generation, reasoning, and code repair / debugging        | [Qwen2.5 model card](https://arxiv.org/pdf/2409.12186) |\n\\|  |\n\\| Raptor mini\n\\| General-purpose coding and writing | Fast, accurate code completions and explanations        | Coming soon |\n\\|  |\n\\| Kimi K2.7 Code\n\\| General-purpose coding and agent tasks | Fast, reliable answers to lightweight coding questions        | [Kimi K2.7 Code model card](https://huggingface.co/moonshotai/Kimi-K2.7-Code) |\n\\|  |\n\\| Kimi K3\n[^kimi-k3]                                   | Agentic coding and long-context work | Multi-step agent tasks across large codebases        | [Kimi K3 model card](https://huggingface.co/moonshotai/Kimi-K3) |\n\\|                                        |\n\n## Задача: написание и написание кода общего назначения\n\nИспользуйте эти модели для распространенных задач разработки, требующих баланса качества, скорости и экономичности. Эти модели являются хорошим по умолчанию, если у вас нет конкретных требований.\n\n| Модель           | Почему это хороший подход                                                                                                                                                                           |\n| ---------------- | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |\n| GPT-5.3-Codex    | Предоставляет более качественный код для сложных инженерных задач, таких как функции, тесты, отладка, рефакторинг и проверки без длительных инструкций.                                             |\n| GPT-5 mini       | Надежный по умолчанию для большинства задач программирования и написания. Быстрая, точную и хорошо работает на разных языках и платформах.                                                          |\n| GPT-5.6 Terra    | Сбалансированный универсальный выбор для повседневного интерактивного и агентического программирования.                                                                                             |\n| Raptor mini      | Специализированные решения для быстрых и точных встроенных предложений и объяснений.                                                                                                                |\n| MAI-Code-1-Flash | Сильное следование инструкциям и адаптивное мышление делают его надёжным инструментом для повседневных задач по программированию, написания текстов и многоповоротных рабочих процессов разработки. |\n\n### Когда следует использовать эти модели\n\nИспользуйте одну из этих моделей, если вы хотите:\n\n* Написание или просмотр функций, коротких файлов или диффов кода.\n* Создание документации, комментариев или сводок.\n* Быстро объясните ошибки или непредвиденное поведение.\n* Работа в среде программирования, отличной от английского языка.\n\n### Когда следует использовать другую модель\n\nЕсли вы работаете над сложным рефакторингом, архитектурными решениями или многофакторной логикой, рассмотрите модель из [глубокой причины и отладки](#task-deep-reasoning-and-debugging). Для более быстрых задач, таких как повторяющиеся изменения или предложения одноуровневого кода, см [. статью \"Быстрая помощь\" с простыми или повторяющимися задачами](#task-fast-help-with-simple-or-repetitive-tasks).\n\n## Задача. Быстрая помощь с простыми или повторяющимися задачами\n\nЭти модели оптимизированы для скорости и реагирования. Они идеально подходят для быстрого редактирования, служебных функций, справки по синтаксису и упрощенного прототипирования. Вы получите быстрые ответы, не ожидая ненужных глубин или длинных цепочки причин.\n\n### Рекомендуемые модели\n\n| Модель           | Почему это хороший подход                                                                                                               |\n| ---------------- | --------------------------------------------------------------------------------------------------------------------------------------- |\n| GPT-5.6 Luna     | Упрощенный, экономичный вариант для небольших и быстрых задач. Модель с наименьшей стоимостью в семействе GPT-5.6.                      |\n| Claude Haiku 4.5 | Балансирует быстрые ответы с качеством выходных данных. Идеально подходит для небольших задач и упрощенных объяснений кода.             |\n| MAI-Code-1-Flash | Выполняет быстрые задачи с адаптивной эффективностью, лаконичны для простых запросов и даёт быстрые и точные ответы без лишней глубины. |\n\n### Когда следует использовать эти модели\n\nИспользуйте одну из этих моделей, если вы хотите:\n\n* Написание или изменение небольших функций или кода служебной программы.\n* Задайте быстрый синтаксис или вопросы о языке.\n* Идеи прототипа с минимальной настройкой.\n* Получите быстрый отзыв о простых запросах или изменениях.\n\n### Когда следует использовать другую модель\n\nЕсли вы работаете над сложным рефакторингом, архитектурными решениями или многофакторной логикой, ознакомьтесь [с подробными причинами и отладкой](#task-deep-reasoning-and-debugging).\nСведения о задачах, требующих более строгого анализа общих целей или более структурированных выходных данных, см. в [разделе \"Кодирование общего назначения\" и запись](#task-general-purpose-coding-and-writing).\n\n## Задача: глубокое обоснование и отладка\n\nЭти модели предназначены для задач, требующих пошагового анализа, сложного принятия решений или высокого контекстного понимания. Они хорошо работают, когда требуется структурированный анализ, продуманное создание кода или многофайловое понимание.\n\n### Рекомендуемые модели\n\n| Модель            | Почему это хороший подход                                                                                                                                                                   |\n| ----------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |\n| GPT-5 mini        | Обеспечивает глубокую причину и отладку с более быстрыми ответами и более низким использованием ресурсов, чем GPT-5. Идеально подходит для интерактивных сеансов и пошагового анализа кода. |\n| GPT-5.5           | Отлично подходит для сложных причин, анализа кода и технического принятия решений.                                                                                                          |\n| GPT-5.6 Sol       | Самый высокий потолок причин в семье GPT-5.6. Лучше всего использовать сложную причину над большими базами кода и требующей длительной работы агента.                                       |\n| Claude Sonnet 4.6 | Улучшает Сонет 4.5 благодаря более надёжным завершениям и более умному рассуждению под давлением.                                                                                           |\n| Claude Opus 4.7   | Самая мощная модель антропии. Улучшает .Claude Opus 4.6                                                                                                                                     |\n| Gemini 3.1 Pro    | Расширенная причина в длительных контекстах и научно-техническом анализе.                                                                                                                   |\n\n### Когда следует использовать эти модели\n\nИспользуйте одну из этих моделей, если вы хотите:\n\n* Отладка сложных проблем с контекстом в нескольких файлах.\n* Рефакторинг больших или взаимосвязанных баз кода.\n* Планирование функций или архитектуры на разных уровнях.\n* Взвешивание компромиссов между библиотеками, шаблонами или рабочими процессами.\n* Анализ журналов, данных производительности или системного поведения.\n\n### Когда следует использовать другую модель\n\nСведения о быстрой итерации или упрощенных задачах см. в статье [\"Быстрая помощь\" с простыми или повторяющимися задачами](#task-fast-help-with-simple-or-repetitive-tasks).\nОбщие сведения о рабочих процессах разработки или создании контента см. в статье [\"Код общего назначения\" и запись](#task-general-purpose-coding-and-writing).\n\n## Задача. Работа с визуальными элементами (диаграммы, снимки экрана)\n\nИспользуйте эти модели, если вы хотите задать вопросы о снимках экранах, схемах, компонентах пользовательского интерфейса или других визуальных данных. Эти модели поддерживают многомодальные входные данные и хорошо подходят для интерфейсной работы или визуальной отладки.\n\n| Модель            | Почему это хороший подход                                                                                                                                                                                            |\n| ----------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |\n| GPT-5 mini        | Надежный по умолчанию для большинства задач программирования и написания. Быстрый, точный и поддерживает многомодальные входные данные для задач визуального анализа. Хорошо работает на разных языках и платформах. |\n| Claude Sonnet 4.6 | Улучшает Сонет 4.5 благодаря более надёжным завершениям и более умному рассуждению под давлением.                                                                                                                    |\n| Gemini 3.1 Pro    | Глубокое обоснование и отладка, идеально подходит для сложного создания кода, отладки и исследовательских рабочих процессов.                                                                                         |\n\n### Когда следует использовать эти модели\n\nИспользуйте одну из этих моделей, если вы хотите:\n\n* Вопросы о схемах, снимках экранах или компонентах пользовательского интерфейса.\n* Получение отзывов о визуальных черновиках или рабочих процессах.\n* Общие сведения о поведении внешнего интерфейса из визуального контекста.\n\n> \\[!TIP]\n> Если вы используете модель в контексте, который не поддерживает ввод изображений (например, редактор кода), вы не увидите преимущества визуальной причины. Вы можете использовать сервер MCP для получения доступа к визуальному вводу косвенно. См [. раздел AUTOTITLE](/ru/copilot/how-tos/provide-context/use-mcp-in-your-ide/extend-copilot-chat-with-mcp).\n\n### Когда следует использовать другую модель\n\nЕсли задача связана с глубокой рассудкой или крупномасштабным рефакторингом, рассмотрите модель из [глубокой причины и отладки](#task-deep-reasoning-and-debugging). Сведения о задачах только для текста или более простых изменениях кода см. в статье [\"Быстрая помощь\" с простыми или повторяющимися задачами](#task-fast-help-with-simple-or-repetitive-tasks).\n\n## Рекомендации, связанные с моделью\n\nНекоторые модели имеют поведение, ограничения или средства защиты, которые полезны, прежде чем выбирать их для задачи.\n\n### Kimi K3\n\nKimi K3 предназначен для длительного контекста, многофакторного программирования и агентических рабочих процессов. В предварительном тестировании модель проявляла повышенный риск при определенных запросах на более высокий риск и была менее согласованной, чем в некоторых других моделях в отказе запросов, связанных с конфиденциальными темами. Это поведение может отражать различия в работе модели после обучения и выравнивания. Мы развернули дополнительные меры безопасности для GitHub Copilot устранения выявленных рисков. Как и в случае с любой моделью, предприятия должны оценивать возможности модели, ограничения и гарантии в свете конкретных вариантов использования и требований.\n\n## Следующие шаги\n\n[^mai-код-1-вспышка]: MAI models are continuously improving models. Performance and behavior may evolve over time as new checkpoints are released.\n\n[^kimi-k3]: For important information about Kimi K3 behavior and safeguards, see [Model-specific considerations](#kimi-k3).\n\nВыбор правильной модели помогает получить максимум от Copilot. Если вы не уверены, какую модель выбрать, начните с универсального варианта, например GPT-5 mini, затем корректируйте под свои нужды.\n\n* Подробные спецификации модели и цены см. в разделе [Поддерживаемые модели ИИ в GitHub Copilot](/ru/copilot/reference/ai-models/supported-models).\n* Дополнительные примеры использования различных моделей см. в разделе [Сравнение моделей ИИ с помощью различных задач](/ru/copilot/tutorials/compare-ai-models).\n* Чтобы переключиться между моделями, обратитесь к \\[AUTOTITLE или [Изменение модели ИИ для GitHub Copilot Chat](/ru/copilot/how-tos/use-ai-models/change-the-chat-model)]\\(/copilot/how-tos/use-ai-models/change-the-completion-model).\n* Чтобы узнать, как Copilot Chat они обслуживают разные модели ИИ, см. [Размещение моделей для GitHub Copilot](/ru/copilot/reference/ai-models/model-hosting)."}