Классификация LLM под задачи вайбкодера (Матрица моделей)
Чтобы не тратить ресурсы впустую, вайбкодер должен уметь подбирать «движок» под конкретную рабочую задачу.
| Тип модели | Представители | Назначение |
|---|---|---|
| 1. Reasoning (Рассуждающие) | Claude Fable 5 (Mythos), Claude Opus 4.8 (Thinking), GPT-5.6 Sol | Сложная логика, БД, отладка тяжелых багов |
| 2. Standard High (Флагманы) | Claude Sonnet 5 / 4.6, GPT-5.6 Terra | Написание кода, создание компонентов |
| 3. Fast / Lite (Быстрые) | GPT-5.6 Luna, Claude Haiku 4.5 | Верстка, мелкий UI, описания коммитов |
Подробный разбор категорий
1. Рассуждающие модели (Reasoning / Thinking Models)
Особенность: Перед выдачей ответа генерируют скрытый блок «размышлений» (Reasoning Tokens), где ИИ проверяет гипотезы, строит графы логики и ищет подвохи (например, Claude Fable 5, Claude Opus 4.8 Thinking, GPT-5.6 Sol).
Когда применять: Проектирование архитектуры базы данных, поиск сложных плавающих багов, математические расчеты, написание алгоритмов безопасности.
Когда НЕ применять: Верстка, изменение текстов, добавление обычных кнопок, написание документации.
2. Стандартные флагманы (Standard High-Capability)
Особенность: Идеальный баланс между глубиной понимания контекста, скоростью работы и качеством синтаксиса (Claude Sonnet 5, GPT-5.6 Terra).
Когда применять: Основная рабочая лошадка для генерации кода в Cursor (Composer), создание модулей, переписывание компонентов по @PRD.md.
3. Быстрые / Легкие модели (Fast / Lightweight)
Особенность: Молниеносный ответ, минимальная стоимость токенов, но низкая способность к сложным логическим рассуждениям (GPT-5.6 Luna, Claude Haiku 4.5).
Когда применять: Написание мелких текстовых заготовок, генерация сообщений коммитов (feat: ...), правка CSS-стилей, создание простых HTML-структур.