Каждой задаче — своя модель

Почему это не рейтинг моделей

Это не рейтинг. Внутри Just полезный вопрос не в том, какая модель абстрактно выглядит самой умной. Гораздо важнее другое: какая делает каждый шаг сценария чище, ровнее и надёжнее.

Именно поэтому настройки по умолчанию здесь намеренно неравномерные. Одни провайдеры снова и снова забирают ядро планирования, а другие оказываются логичнее там, где важнее свежесть, качество поиска или работа сразу с текстом и изображениями.

Если нужна полная карта возможностей, то матрица ИИ на лендинге показывает, что именно поддерживает каждый провайдер по всем функциям. Ниже — её более короткая версия для статьи.

Если хочешь посмотреть, как эта логика уже проявляется внутри самого продукта, это хорошо видно в статье Just 2.0: инсайты, веб-поиск, картинки и общий контекст.

Почему ядро держит Anthropic

Ядро Just — уточняющие вопросы, структурированные планы, работа с полями задачи и ответы с рассуждением — по умолчанию крутится на Anthropic. Это осознанный выбор, и у него есть цена, на которую я сознательно иду.

По моему опыту модели Anthropic примерно вдвое дороже и в полтора раза медленнее ближайших альтернатив для похожей работы. Но я всё равно ставлю их по умолчанию, потому что в задачах на планирование важны другие вещи.

Разница тут не в креативности. Она в сжатости, соблюдении инструкций, устойчивости рассуждений и более чистом структурированном результате. Claude Opus 4.6 надёжнее держит детальные ограничения, задаёт меньше лишних уточняющих вопросов и требует меньше повторных заходов там, где сценарий ждёт чёткий план.

Компромисс реален, но в сценарии планирования я лучше переплачу за хороший первый проход, чем сэкономлю на результате, который потом придётся править.

Почему поиск и изображения забирает Google

Когда сценарию нужен свежий веб-контекст — конкурентный обзор, поиск технической документации, рыночные сигналы — выбор по умолчанию смещается к Google. Конкретно к Gemini 3.0 Pro для веб-исследования.

Это не просто галочка в матрице возможностей. Google десятилетиями решал задачи ранжирования, релевантности, свежести и качества источников на масштабе интернета. Это очень важно, когда результаты из веба потом напрямую влияют на планирование.

Если шаг поиска слабый — устаревшие источники, плохая релевантность или выдуманные ссылки, — то и план, который строится сверху, наследует те же проблемы. Здесь Gemini 3.0 Pro даёт мне наибольшее доверие.

С изображениями логика та же. Текущий выбор по умолчанию — Gemini 3.1 Flash Image Preview, известный публично как Nano Banana 2. Он заметно стабильнее большинства альтернатив, когда речь идёт об изображениях со встроенным текстом: подписи остаются читаемыми, композиция не расползается, а текст размещается ближе к тому, что реально просили в запросе.

Где вписываются OpenAI, xAI и Mistral

• OpenAI — самый очевидный универсал: силён в тексте, рассуждении, структурированном выводе, веб-поиске и генерации изображений. Парадоксально, но именно эта широта и делает его не самым логичным вариантом по умолчанию для ядра планирования. Когда провайдер хорош во всём, ты часто получаешь просто достойный результат везде, а не лучший там, где это критично. Зато как единый запасной вариант он почти идеален и остаётся самым практичным выбором для команд, которые не хотят вести несколько API-ключей.
• xAI прогрессирует быстрее, чем я ожидал. Grok уже умеет полноценный структурированный вывод со строгим соблюдением схемы, а веб-поиск у него вполне рабочий. Естественнее всего он вписывается там, где скорость важнее отполированности результата: на ранних набросках, в быстрых проверках и в черновиках для прощупывания темы.
• Mistral лучше всего чувствуется в лёгких и массовых текстовых задачах, где основное ограничение — стоимость. Это также самый естественный вариант для команд с требованиями к хранению данных в ЕС или просто с предпочтением к европейскому провайдеру.

Когда выбрать другие модели

Настройки по умолчанию отражают моё суждение, а не универсальный закон. Причины переопределять их совершенно нормальны.

• Команды, чувствительные к стоимости, могут решить, что множитель Anthropic на их объёмах не оправдан.
• Команды, для которых важнее скорость, могут выбрать более лёгкие модели для первичной сортировки или ранних идей.
• Некоторые организации хотят одного провайдера ради единого тона, управляемости или закупочной логики.

Если не хочется управлять несколькими API-ключами и провайдерами, то использовать только OpenAI для всего — абсолютно вменяемый вариант. В последнее время мне и Google Gemini всё чаще нравится как универсальный запасной вариант, так что обе опции стоит прогнать на своих задачах.

Текущие настройки — не вечная истина

Эта схема отражает то, как я сейчас смотрю на сильные стороны провайдеров. Anthropic держит ядро, потому что его модели сейчас дают лучший результат для задач планирования за ту цену и скорость, которые я готов принять. Google держит поиск и работу с изображениями, потому что его инфраструктурные сильные стороны естественно ложатся на эти задачи.

Эти настройки будут меняться вместе с моделями, ценами и самими компромиссами. Намного стабильнее останется сам принцип: подбирать провайдера под тип задачи, а не под единый общий рейтинг.

Если ты настраиваешь связку провайдеров впервые, начни с настроек по умолчанию, прогони несколько реальных задач через полный сценарий, а потом переопределяй именно там, где приоритеты команды требуют другого решения. Цель не в «теоретически лучшей» модели. Цель — в стеке, который делает задачи в Jira лучше, быстрее и с меньшим трением.