Модели, которыми я пользуюсь каждый день. Мой личный список 🏆

Меня часто спрашивают, какая LLM сейчас «лучшая». Честно говоря, я думаю, такой не существует. Вместо поисков одной идеальной модели у меня сложился небольшой список из тех, что я использую для разных дел. Просто подбираю нужный инструмент под конкретную задачу.

Вот чем я пользуюсь последние месяцы.

📎 Для работы с текстами: Gemini 2.5 Pro
Когда нужно поработать с большим отчётом или статьёй, я обычно иду в AI Studio и использую эту модель. Она отлично помогает сделать саммари, упростить сложный текст или вычитать мои черновики. Я просто даю ей пару примеров своего стиля, и она редактирует новый пост, получается очень похоже.

⚡️ Для быстрых повседневных задач: Gemini 2.5 Flash
Это моя основная модель в Raycast. Нужно что-то быстро спросить, перевести фразу или накидать идеи – использую её. Она очень быстрая, ответ прилетает почти сразу. Для несложных бытовых вопросов качества хватает с головой.

👨‍💻 Для работы с кодом: Claude 4.5 Sonnet
Эту модель я использую в редакторе Cursor, и почти всегда – только для кода. Мне нравится, как она рассуждает и какие решения предлагает. Сейчас думаю попробовать Claude Haiku, она дешевле, а для моих задач разница в качестве, скорее всего, будет небольшой.

🔧 Для автоматизаций в n8n: GPT-5 Nano (либо в редких случах Mini)
Это мой стандартный выбор для 90% AI-воркфлоу в n8n, особенно для RAG. Почему не что-то мощнее? Всё просто: цена/качество. На моих тестах (evals) большие модели вроде Gemini Pro оказываются лучше всего на 1-2%. Но стоят они при этом в разы дороже. Такая переплата за минимальный прирост качества для меня не имеет смысла.

📸 Для работы с картинками (OCR): Qwen3 VL (30B A3B Instruct или Thinking)
Мне нравятся задачи, где нужно "прочитать" изображение. Например, взять фото документа и превратить его в структурированный текст, сразу убрав лишнее. В одном из моих проектов, AI-нутрициологе, эта модель анализирует состав продуктов по фото этикетки.

Вот такой набор. Как видите, ничего сложного. Просто разные инструменты для разных дел.

А чем вы пользуетесь чаще всего? Какие модели в вашем личном топе? Расскажите в комментах.

😂 Никаких тыкв. Только полезные подгоны на Хэллоуин!

Сразу дисклеймер: мне никто не заносил чемоданы денег. Я сам пользуюсь этими сервисами и считаю, что они могут значительно упростить вам знакомство с миром AI ❤️

Google AI Studio (Gemini + Nano Banana)
Постоянный бесплатный доступ без карты. Приятные лимиты, которые сложно израсходовать для каких-то личных мини-историй.

OpenRouter
Дают бесплатно 50 запросов в день в моделям, которые помечены как Free (привязка карты также не нужна). Среди таковых: DeppSeek V3.1, gpt-oss-20b, Qwen3 Coder, GLM 4.5 Air.

Hugging Face
Дают приятные бесплатные лимиты. Я когда писал статью про RAG, как раз использовал embeddings модели размещенные на Hugging Face. Использовал тогда sentence-transformers/paraphrase-multilingual-mpnet-base-v2 (тк не все модели доступны бесплатно).

Забирайте, тестируйте и не превращайтесь в тыкву!

Почему ChatGPT не может переводить игры. И как это исправить 🕹️

Посчитал тут на досуге. Среднее агентство возьмет за перевод небольшой инди-игры на 50 000 слов около 375 000 рублей.
Мой воркфлоу в n8n на тех же объёмах съест токенов примерно на 300 рублей.

В чем подвох?
Подвох в том, что получившееся система, делает около 90% рутинной работы, и требует контроля.
Я собрал в n8n двухэтапный процесс, который сначала определяет контекст каждой фразы с помощью AI, и только потом передает её на перевод.

Да, качество получается не как у литературного редактора.
Да, самые сложные моменты AI пометит флажком и оставит на вашу проверку.
Но это позволяет маленькой команде или даже одному разработчику сделать то, что раньше было доступно только студиям с большими бюджетами – донести свою игру до всего мира.

💻 Исходник workflow

🔗 Внутри лонга – детальный разбор, как это работает:
VC • Pikabu

Четыре community-ноды для n8n, о которых вы могли не знать 🌅

Стандартный набор нод в n8n достаточен, чтобы закрыть 90% различных кейсов автоматизации. Но иногда для решения задачи не хватает какой-то мелочи, и приходится городить костыли через HTTP Request или Code-ноды.

Часто эту проблему уже кто-то решил за нас. Нужно просто немного покопаться в репозиториях. Вот мой личный шорт-лист полезных community-нод, которые могут вам пригодиться.

1. Tesseract.js OCR (💻 n8n-nodes-tesseractjs)
Простая, но дико полезная штука. Позволяет распознавать текст на картинках (OCR) прямо внутри n8n, без сторонних API.
Какие кейсы решает: даёт возможность не гонять скриншоты или фото документов через внешние сервисы, платить за них и возиться с ключами. Для простых задач эта нода справляется на ура, работая на ресурсах вашего же сервера.

2. GigaChat (💻 n8n-nodes-gigachat)
Нативная интеграция GigaChat от Сбера (неофициальная).
Какие кейсы решает: если вам для каких-то задач нужен именно GigaChat, эта нода избавляет от необходимости вручную настраивать HTTP Request, разбираться с авторизацией и парсить ответы. Просто ставите, вводите креды и работаете. Также есть поддержка Embedding моделей сбера.

3. Globals (💻 n8n-nodes-globals)
Добавляет возможность использовать глобальные переменные во всех ваших воркфлоу.
С чем помогает: устали в каждом воркфлоу прописывать одни и те же константы вроде BASE_URL или ID главного админа? Эта нода позволяет задать их один раз в одном месте. По умолчанию, для self-host версии n8n не доступна фича глобальных перемен (надо платить за Enterprise версию), а через эту ноду, такая возможность открывается для всех бесплатно. Мелочь, а порядок в проекте поддерживает идеально.

4. Telegram Polling (💻 n8n-nodes-telegram-polling)
Альтернативный триггер для Telegram, который работает через long polling, а не через вебхуки.
С чем помогает: идеально для локальной разработки/дебага в workflow связанных с телеграм в n8n. Не нужно настраивать туннели вроде ngrok, чтобы просто отладить бота. Для прода – вебхук, для тестов и отладки эта нода просто спасение.

Это лишь малая часть того, что можно найти. Сообщество n8n – поистине большое и в нем много замечательных энтузиастов.

А какие community-ноды вы откопали для своих проектов? Делитесь находками в комментах.

Иллюзия No-Code. Каков путь от автоматизатора до архитектора? 🪄

Маркетинг продает нам мечту о no-code: любой может стать автоматизатором. Это правда. Но он умалчивает, что любой серьезный автоматизатор рано или поздно становится немного девопсом, немного админом и немного архитектором (на самом деле и это не конец списка).

Думали, автоматизация – это соединять красивые кубики в n8n?

Нет.

Реальная автоматизация:
• Это когда юристы с вопросами про теме персональных данных не могут к вам подкопаться, потому что вы осознанно выбрали self-host, отключили всякие лишние настройки и точно знаете, где физически лежат ваши данные.
• Это когда ваша база данных не умирает под весом гигабайтов логов выполнений через месяц, потому что вы настроили pruning и понимаете, что дефолтный SQLite – это не для прода.
• Это когда ваш сервер не падает в 3 часа ночи, потому что один воркфлоу по обработке файлов решил выжрать всю память, а у вас нет ни лимитов на уровне Docker, ни очередей/воркеров на Redis для тяжелых
• Это когда у вас есть мониторинг всех основных показателей сервера и самого n8n в Grafana, и вы узнаете о проблеме раньше, чем ваш клиент успевает написать в поддержку.

И это только малая часть...

Соединять ноды и видеть "чудо" автоматизации – весело. Это творчество. Но это не работа.

Работа начинается тогда, когда вы перестаете надеяться, что оно «как-то само будет работать», и начинаете погружаться в систему и её смежные области.
Систему, где есть:
• Бэкапы, а не «ой, я случайно удалил главный воркфлоу».
• Очереди на Redis, а не «почему всё тормозит, когда запускается больше двух процессов?».
• Осмысленное логирование, а не «почему оно вчера упало? а, логи уже затерлись».
• Понимание потоков данных, а не «ой, а мы всё это время лили персональные данные клиентов напрямую в OpenAI?».

n8n не волшебная кнопка. Это конструктор, к которому нужно приложить голову. Иначе все ваши красивые воркфлоу – это просто хрупкий карточный домик, который рухнет от первого же порыва ветра.

Рекомендую к прочтению мои ранее оставленные заметки, которые закроют часть проблем:
• Делаем работу с n8n комфортной. Рекомендации по настройке
• Ваша автоматизация тихо умерла. Как вы об этом узнаете?
• От «вроде стало лучше» к цифрам. Главное про n8n Evaluation
• Как поднять n8n и Supabase на своем VPS за один вечер

P.S. По всем остальным пунктам, которые ещё не были рассмотрены ранее – обязательно поговорим чуть позднее!

От случайности к предсказуемости: как получать от AI стабильный результат каждый раз ✏️

Заметил, что большинство бросает AI после нескольких неудачных попыток. Проблема почти всегда одна: мы начинаем сразу с промпта, пропуская 90% подготовительной работы.

Написал подробный гайд, где разложил свой подход из трёх шагов:
• Планирование (как спланировать структуру ответа)
• Контекст (какой контекст предоставить модели)
• Промпт (как это всё упаковать в инструкцию для машины)

Цель – постараться превратить ваш опыт с AI из лотереи в предсказуемый инструмент.

🔗 Приятного чтения:
VC • Pikabu

Vibe Coding. Мой план по приручению AI-ассистента 😈

Вокруг AI-ассистентов много хайпа. Я сам с энтузиазмом погрузился в Cursor и Claude, но в последнее время всё чаще ловлю себя на мысли, что мой привычный паттерн работы с кодом меняется.

Я довольно быстро понял, в какую ловушку можно угодить, если просто скармливать AI свои хотелки. Получаешь код, а потом оказывается, что:
• Он не вписывается в общую архитектуру.
• Он игнорирует внутреннюю политику по обработке ошибок.
• Он ломает три соседних модуля, потому что не учёл скрытую бизнес-логику.

AI отлично генерирует код в вакууме, но абсолютно не понимает контекст живого проекта. Всё то же самое, что и при общении с любой другой LLM, даже не по теме разработки.

И чем больше я погружаюсь в так называемый vibe-coding, тем яснее вижу выход. Я планирую внедрить в свой рабочий процесс переход от «посиделок в чатике» с AI к циклу обратной связи на основе спецификаций (SDD).

Идея такая:
1. Сначала – спецификация. Никаких абстрактных «хотелок». Только MD-файлы с архитектурой, продуктовыми ожиданиями, edge-кейсами и контрактами.
2. «Петля обратной связи». Вся работа с AI превращается в непрерывный цикл. У вас ведь уже есть тесты в проекте, правда? Они и становятся главным барьером, который заставляет LLM подгонять код под ожидаемый результат (не забудьте добавить правило, которое не позволит LLM переписать эти тесты под результат своей работы, например в Claude это может быть отдельный subagents).
3. Линтеры. Если есть поддержка, прикручиваю их и тоже гоняю через цикл, где AI сам решает возникшие проблемы.
4. Human in loop. Зашиваем в prompt'е явное указание, что если LLM входит в ступор или ей не хватает какой-то дополнительной информации (не может решить проблему теста, не понимает продуктовое требование) – она явно её запрашивает и не предпринимает попыток выдумать что-то своё.
5. Повторяем. AI генерирует новую версию кода. Запускаются тесты и линтеры, сверяется со спецификациями. Результат скармливается обратно. И так, пока всё не станет зелёным.

В такой системе у AI просто не остаётся пространства для самодеятельности (и это уже прямой путь к мульти-агентным системам с их кастомными правами). Его единственной целью становится прохождение проверок. Он вынужден работать в тех жёстких рамках, которые я ему задам.

При этом я понимаю, что время, которое я раньше тратил на разработку, теперь перетекает в предварительное планирование. Спеки, тесты, правила, это всё занимает не минуты 😖

Мысль, которую я хочу проверить: AI – это мощный, но очень прямолинейный инструмент. Чтобы он приносил пользу, а не хаос, им нужно управлять через барьеры и системы контроля. Вопрос лишь в том, готов ли я платить эту цену – тратить больше времени на подготовку, чем на сам кодинг.

Попробую поработать в таком режиме пару месяцев. Очень интересно, что из этого выйдет. Обязательно вернусь с итогами ближе к концу года!

А вы уже выстроили свою «петлю» для работы с AI-кодерами или, как и я, всё ещё больше правите, чем генерируете? Делитесь опытом.

Три причины, почему будущее за локальными решениями 🔥

В IT-комьюнити сейчас происходит тихая революция. Пока все говорят про AI, на фоне разворачивается другой, не менее важный тренд – массовый уход из «удобных» облаков в сторону self-host и open-source продуктов.

За этим стоят три железобетонных причины:
1. Безопасность и законы. Вы не можете контролировать то, что вам не принадлежит. Когда данные лежат на чужом сервере в другой стране, вы играете по чужим правилам. Self-host это по сути единственный способ гарантировать соответствие законам о данных и защититься от утечек.
2. Стабильность. Open source решения чаще живут дольше (речь про решения, у которых сформировалось комьюнити), чем те, что с закрытым исходным кодом. Ну, и если оно все же окажется полезным, уверен, что всегда найдутся смельчаки, чтобы продолжить его развитие в случае чего.
3. Независимость. Вас не могут отключить за нарушение непонятного пункта в ToS или каких-то иных санкций. Вам не могут внезапно поднять цены в 10 раз. Вы – хозяин-барин своей инфраструктуры.

Этот тренд открывает огромное окно возможностей для небольших, нишевых продуктов. Сегодня, с помощью AI-агентов, один человек может за пару месяцев создать инструмент, который решает конкретную проблему и помогает слезть с «иглы» больших корпораций. И я думаю, это вернёт в игру забытую модель lifetime-лицензий.

При этом я не призываю сжигать мосты. Я и сам вряд ли откажусь от всех удобных облачных сервисов, за которые плачу каждый месяц. Имхо, тот же хостинг для self-host в какой-то мере же "подписка", наверное 👀...

Но это не просто мои фантазии. Практически еженедельно вижу, как другие ребята уже начали создавать подобные вещи. И их альфа-версии, хоть и не идеальны, стоят значительно дешевле (порой вовсе полностью бесплатны) и вполне справляются со своими задачами.

У меня тоже есть одна идея такого продукта, и я планирую до конца года её реализовать и показать вам ❤️

А что думаете вы? Этот тренд реален, или вы пока предпочитаете готовые облачные решения?

Хватит читать о чужих успехах. Давайте делиться своими 💎

Запускаю новую рубрику – Screenshot Saturday (идею подсмотрел у геймдевов). Идея простая: когда видишь, как на самом деле организована чужая работа, начинаешь иначе смотреть на свою.

Реальные, рабочие автоматизации, может, не идеальные по виду, но честные. Они учат больше, чем вылизанные и «идеальные» туториалы.

Как участвовать:
Каждую субботу, чётной недели, будет выходить подобный пост. Кидайте в комменты под ним, то, что вы сделали с помощью AI-инструментов за последнее время:
• Скриншот воркфлоу или куска кода
• Пара слов: какую проблему решает, какую рутину убирает
• Размер не важен. Скрипт для переименования файлов – нормально. Сложный RAG-воркфлоу – еще лучше. Даже удачный промпт пойдет
Если это экономит вам время – этого достаточно.

Цель: собрать реальные примеры. Чтобы все могли увидеть, как работают другие, и сделать свое.

Жду вас в комментариях под этим постом!

PS Естественно помним про NDA и всё в таком духе 😂

Технология, которой я почему-то стесняюсь пользоваться 🙁

Хочу поднять немного странную тему. У меня всегда было ощущение, что диктовать текст на телефон или компьютер – это как-то... неловко. Будто разговариваешь сам с собой. Проще и привычнее напечатать.

А недавно я решил разобраться, насколько это вообще эффективно. И нашёл пару вещей, которые заставили меня задуматься.

Оказывается, мы говорим примерно в 3 раза быстрее, чем печатаем. И современные технологии вроде Whisper уже научились понимать нас с точностью 92-99%, даже если рядом шумит кофемашина или играет фоновая музыка.

Но самое интересное не в скорости, а в мышлении. Когда диктуешь, голова как будто освобождается от рутины набора текста и начинает думать о сути. Замечал, что надиктованные мысли или промпты для AI получаются глубже и детальнее.

И вот я сижу с этим знанием и не могу понять: если это так быстро и эффективно, почему мы все до сих пор не перешли на голосовой ввод? Это просто сила привычки? Или есть реальные проблемы, которые я не вижу?

Вы используете голос для набора текста? В каких ситуациях? А если нет, то почему? Что вам в этом мешает или кажется неудобным? Очень интересно ваше мнение, хочется погрузиться в небольшую дискуссию.

Ускоряем Workflow! Параллелизация задач через Redis в n8n ❗️

Изначально, у меня была проблема в стандартном узле Loop Over Items. Он выполняет задачи поочерёдно: пока не закончится одна, следующая не начнётся. Если у вас 1000 задач по 10 секунд каждая, сценарий зависнет почти на 3 часа и, скорее всего, упадёт с ошибкой Timeout.

Решение созрело случайно, а не перейти ли мне к параллельной обработке с помощью Redis.
Как это работает:
1. Оркестратор создаёт очередь задач в Redis.
2. Воркеры (независимые сценарии) одновременно забирают задачи из очереди и выполняют их.
3. Наблюдатель следит, когда все задачи будут выполнены.

В итоге время обработки сокращается с часов до минут. Вы ждёте не сумму времени всех задач, а только время выполнения самой долгой из них.

Что вас ждём внутри статьи:
• Когда уже не спасает асинхронный Execute Workflow.
• Готовая архитектура: Оркестратор, Воркер и Наблюдатель.
• Как избежать псевдопараллельности и лишней нагрузки на сервер.

В комментариях под этим постом делюсь JSON-файлами получившихся workflows из статьи.

🔗 Полный разбор с кодом и схемами:
VC • Pikabu

Слепое доверие к Custom Nodes – лучший способ слить продакшн 🫤

Вижу, как ребята в чатах радостно шерят новые комьюнити-ноды для n8n: «О, смотрите, готовая интеграция для того сервиса, который я ленился писать руками!». Кликнул Install, перетащил в воркфлоу, прописал креды. Работает? Кайф.
Только вот есть нюанс.

Небольше напоминание, что в n8n Custom Node – это по сути обычный npm-пакет. А supply chain атаки (атаки через цепочку поставок) сейчас одни из популярных среди хакеров.

Когда вы ставите ноду от super-dev-123, вы даете чужому коду право исполнения на вашем сервере. И ладно, если этот код просто кривой и положит вам инстанс (классика). Хуже, если он «умный».

Где прячется риск?
Под капотом у ноды – JavaScript/TypeScript. У этого кода есть доступ к контексту выполнения.
Что мешает разработчику ноды (или тому, кто выкупил его аккаунт) добавить пару строк, которые:
1. Читают ваши .env (где у вас лежат ключи от OpenAI, Postgres и AWS).
2. Тихим fetch-запросом отправляют их на левый сервер.
3. Делают это только в 1 случае из 1000, чтобы вы ничего не заметили в логах.

У автора явно паранойя! В мире npm такие «сюрпризы 💩» находят регулярно. В n8n пока громких кейсов не было, но вы точно хотите стать первым кейсом в статье на Хабре?

Как не стать жертвой:
• Аудит кода. Мастхэв. Перед установкой идем на GitHub репозиторий ноды. Ищем файл с логикой (обычно *.node.ts). Смотрим, нет ли там странных вызовов внешних API, обфусцированного кода (каши из символов) или обращений к файловой системе.
• Репутация автора. У ноды 5 звезд, последний коммит 2 года назад, а автор – аноним с пустым профилем? Скипаем. Лучше потратить час и написать HTTP Request самому, чем потом менять все пароли.
• Своя «песочница». Если очень хочется потестить мутную ноду – делайте это на изолированном локальном инстансе, где в ENV-переменных пусто, а сеть обрезана.

Автоматизация может затуманить своими возможностями, но не отключайте критическое мышление. Удобство не должно стоить безопасности ваших данных.

А теперь рубрика – "я так не делал!!1!"
Признавайтесь, кто хоть раз заглядывал в исходники комьюнити-нод перед установкой?

Screenshot Saturday №2 🔮

Кидайте в комменты под этим постом, то, что вы сделали с помощью AI-инструментов за последнее время:
• Скриншот воркфлоу или куска кода
• Пара слов: какую проблему решает, какую рутину убирает
• Размер не важен. Скрипт для переименования файлов – нормально. Сложный RAG-воркфлоу – еще лучше. Даже удачный промпт пойдет
Если это экономит вам время – этого достаточно.

Напоминаю про цель: собрать реальные примеры. Чтобы все могли увидеть, как работают другие, и сделать свое.

PS Естественно помним про NDA и всё в таком духе 😂