Руководства, сравнения и новости об инструментах ИИ

Спустя два с половиной месяца после GPT-5.5 вышла GPT-5.6, и главное изменение — не прирост мощности, а переход от единого флагмана к трём моделям: Luna ($0.20/$1.20), Terra ($2/$12) и Sol ($5/$30). Сильнее всего бьёт Terra: качество уровня GPT-5.5 намного дешевле — на старте вполовину, а после снижения цен 30 июля 2026 г. за 40% цены GPT-5.5 ($2/$12), что делает её фактическим преемником существующих нагрузок. Sol сохраняет цену $5/$30 и поднимает SWE-Bench Pro с 58.6 до 64.6% (оц., +6 пт), а эффективность токенов выросла на 10–15%. Разбираем, что изменилось и на какую модель переходить.

Сравнение двух асимметричных лидеров: «универсал за полцены» GPT-5.6 Sol против Claude Fable 5 высшего класса. Fable 5 впереди в кодинге производственного уровня (SWE-Bench Pro 80.3% vs 64.6% оц.) и длительной автономности до 12 часов, а Sol лидирует по работе с терминалом (TerminalBench 88.8%), агентной широте и стоит вдвое дешевле. Разбираем, как распределять роли по сценариям и стоимости.

Детальное сравнение двух гигантов AI-кодинга 2026 года — Claude Opus 4.8 (28 мая) и старшей модели Sol в линейке GPT-5.6 (9 июля). Их сильные стороны почти противоположны: Sol лидирует в работе с терминалом и общей агентной мощи (TerminalBench 2.1 88.8% против 78.9% у Opus, Agents' Last Exam 53.6, Coding Agent Index 80), а Opus 4.8 — в кодинге производственного уровня, математике и длинном контексте (SWE-bench Pro 69.2% против 64.6% у Sol, USAMO 2026 96.7%, GraphWalks 1M 68.1%) и делает ставку на честность (десятикратное снижение самоуверенности, 0% некритичных отчётов о дефектных результатах). К тому же OpenAI не публикует многие бенчмарки Sol (SWE-bench Pro, GPQA, AIME, MMLU), так что в цитадели кодинга преимущество у раскрывшегося Opus. Разбираем таблицу характеристик, детали бенчмарков, проблему закрытых бенчмарков, реальную стоимость ($25 vs $30 против +54% эффективности токенов), карту сильных и слабых сторон, выбор под задачу и стратегию двойной эксплуатации.

9 июля 2026 г. OpenAI открыла общий доступ к GPT-5.6, заменив прежнюю схему «базовая + Pro» на три модели: Luna (быстрая, недорогая, $0.20/$1.20), Terra (баланс, $2/$12, уровень GPT-5.5 за 40% тарифа Sol) и Sol (флагман, $5/$30) — цены после пересмотра 30 июля 2026 г. Sol занимает первое место в Agents' Last Exam (53.6) и Coding Agent Index (80), а её 88.8% в TerminalBench 2.1 немного опережают Claude Fable 5 (86.0%) — однако в SWE-Bench Pro производственного уровня Claude Fable 5 уверенно лидирует с 80.0% против 64.6% у Sol. В статье разбираются различия трёх моделей, цены, бенчмарки, новые функции (Programmatic Tool Calling, ChatGPT Work, полнодуплексная голосовая модель GPT-Live), доступность по тарифам ChatGPT, сравнение с Claude (Fable 5 / Opus 4.8) и выбор модели под задачу — всё на основе официального анонса OpenAI и независимых бенчмарков.

Внезапная ошибка «API Error: 400 Output blocked by content filtering policy» в Claude Code и API — это не лимит использования и не переполнение контекста, а состояние, когда «вывод», который пытался вернуть Claude, был остановлен фильтром безопасности. Основная цель фильтра — предотвратить дословное воспроизведение существующих защищённых материалов, и при генерации полного текста стандартных лицензий вроде MIT/Apache, работе «по приведению в соответствие» существующему источнику или копировании длинных документов он часто срабатывает ложно (false positive), без злого умысла. В статье разбираем: официальное объяснение (фильтр на этапе вывода обнаруживает воспроизведение защищённого материала и блокирует его кодом 400), паттерны ложных срабатываний из реальных Issue Claude Code (первичная настройка OSS-репозитория, сверка списков, ошибочный диагноз «лимит токенов» в конце долгого прогона агента), способы исправить прямо сейчас (получать шаблоны инструментами вместо дословной копии, переформулировать промпт ближе к генерации/резюмированию, останавливать цикл повторных попыток клавишей Esc, дробить задачу, сообщать о ложных срабатываниях в поддержку) и как отличить от Prompt is too long / usage limit / 529 Overloaded / max_tokens.

Многие в соло-разработке застревают на «сделал, но как заработать и сколько просить». Эта статья практически, глазами соло-разработчика, собирает всё: выбор модели монетизации (бесплатно / разовая покупка / подписка / freemium / реклама / донаты), ценообразование от ценности — отправной точкой служат не издержки и не конкуренты, а «ценность, которую получает клиент», классику трёх уровней Free → Pro → Business со скидкой за годовую оплату, как получить первого платящего и как свести экономику с учётом затрат на ИИ вроде токенов API. Материал углубляет фазу «развивать» из статьи-хаба «Дорожная карта соло-разработки с ИИ».

Главная причина, по которой соло-разработка не доходит до готового, — «переусложнение». Наваливая функцию за функцией, продукт усложняется и исчезает, так и не опубликованным. Единственный способ этого избежать — свести к одной функции минимальный продукт, доносящий ценность (MVP), и опубликовать максимально быстро. Эта статья, глазами соло-разработчика, для которого ИИ — напарник, разбирает верное понимание MVP, решение об объёме при урезании функций, два маршрута быстрого создания с ИИ (vibe coding без кода / практика в ИИ-редакторе), как определить «готово» и путь до публикации и первого пользователя.

Самый частый срыв в соло-разработке — «создал, а никто не пользуется». Но настоящее бутылочное горлышко — не мастерство разработки, а привлечение. «Создашь хорошее, и люди придут» — иллюзия. Эта статья, глазами соло-разработчика, практически собирает то, как крутить в правильном порядке, используя ИИ для подготовки: Build in Public, чтобы собирать потенциальных клиентов ещё до создания; первые 10 добывать вручную из близкого круга — «то, что не масштабируется»; первые 100 находить через вклад там, где они есть (сообщества, соцсети); и постоянный приток через SEO / AEO / LLMO.

Теперь, когда у ИИ появились «руки, которые пишут код», даже в одиночку можно создать продукт и выпустить его в мир. Но информация разбросана по этапам, и легко растеряться, не понимая, с чего начать. Эта статья — полная карта пути от идеи → проектирования → реализации → публикации → монетизации: она раскладывает соло-разработку на 5 фаз (решить → подготовиться → создать → выпустить → развивать), показывает на каждом этапе, что делать и какими инструментами пользоваться, а для глубокого погружения отправляет к отдельным руководствам. Это статья-хаб. Причём она ведёт по двум маршрутам — 🌱для новичков почти без кода и 🔧для практиков с кодом в ИИ-редакторе, так что, выбрав подходящий, вы дойдёте до работающего продукта без лишних кругов. Разработка на основе спецификаций, ИИ-конструкторы приложений, Claude Code/Cursor, встраивание ИИ-функций (API/RAG/шлюз), деплой, привлечение через SEO/AEO, монетизация, управление затратами и 5 ловушек соло-разработки с ИИ — всё собрано на одной странице со ссылками на практические руководства.

Вы упёрлись в недельный лимит токенов Claude Code, но квота полностью восстановилась раньше, чем прошло семь дней — причём не раз. В интернете даже есть разборы про «скрытый механизм», где утверждается, что недельный лимит сбрасывается каждые 72 часа. Правда ли это? Эта статья прослеживает явление до первоисточников. Но Anthropic не задокументировала внутренний механизм сброса, а лимиты постоянно меняются, поэтому мы чётко помечаем три вида информации: факты, подтверждаемые из официальных источников; события, которые многие пользователи воспроизводимо наблюдают, но которые Anthropic не прокомментировала; и не подтверждённые домыслы из единственного источника. Суть: раннее полное восстановление в большинстве случаев — это нерегулярные глобальные сбросы Anthropic (объявляются неоднократно через @ClaudeDevs); показанное время сброса к тому же доказуемо нестабильно; а гуляющая «72-часовая периодичность» основана на единственном наблюдателе, не воспроизведена и опровергается другим наблюдением (24 ч), так что её нельзя считать фактом. Там, где что-то нельзя утверждать, мы прямо об этом говорим — исследование от июля 2026.

Вы построили всё на OpenAI, затем захотели попробовать Claude и сравнить Gemini — и потеряли часы на разных SDK, форматах и обработке ошибок у каждого провайдера. LLM-шлюз (AI-шлюз / LLM-прокси) — это ретранслятор, который вы ставите между приложением и провайдерами: он предоставляет один совместимый с OpenAI API для обращения к любой модели и берёт на себя сквозные задачи — fallback, учёт затрат, виртуальные ключи, кэширование, ограничение частоты и наблюдаемость. В этом гиде: зачем он нужен, что такое шлюз на самом деле, три типа (self-hosted прокси = LiteLLM / hosted = OpenRouter / SDK = Vercel AI SDK), как выбрать среди LiteLLM, OpenRouter и Vercel AI SDK, минимальный код настройки, где меняется лишь эндпоинт, и ограничения — скачок задержки, шлюз как новая точка отказа, комиссии (OpenRouter берёт 5,5% при пополнении), потеря возможностей и приватность.

Именно те, кто бросил рисование со словами «не умею рисовать», найдут в ИИ-рисовании настоящую площадку для игр. Опишите словами картинку из головы — и она станет искусством; фото с телефона или детский каракуль за секунды превращается в произведение. Это не сравнение инструментов и не серьёзный курс — это сборник идей для игры в одиночку или всей семьёй. От бесплатных инструментов для старта (ChatGPT, Google Gemini, Microsoft Copilot, Canva) до 10 идей (① каракуль в искусство ② фото в новом стиле ③ свой персонаж по сценам ④ детский рисунок как страница книжки ⑤ оригинальные эмодзи ⑥ комиксы в четыре кадра ⑦ миксы «а что, если» ⑧ свои раскраски ⑨ перепланировка комнаты ⑩ дуэли художников), маленьких хитростей для картинок получше и трёх вещей, которые нужно знать перед игрой (не используйте чужие лица, проверяйте права и коммерцию, помечайте как сделанное ИИ).