Кожній задачі — своя модель

Чому це не рейтинг моделей

Це не рейтинг. Усередині Just корисне запитання не в тому, яка модель абстрактно виглядає найрозумнішою. Важливіше інше: яка робить кожен крок сценарію чистішим, рівнішим і надійнішим.

Саме тому налаштування за замовчуванням тут навмисно нерівномірні. Одні провайдери знову й знову забирають ядро планування, а інші логічніше виглядають там, де важливіші свіжість, якість пошуку або мультимодальний результат.

Якщо хочеш побачити, як ця логіка вже проявляється всередині самого продукту, це добре видно у статті Just 2.0: інсайти, веб-пошук, зображення і спільний контекст.

Якщо потрібна повна карта можливостей, то матриця ШІ на лендингу показує, що саме підтримує кожен провайдер за всіма функціями. Нижче — її коротша версія для формату статті.

Чому ядро тримає Anthropic

Ядро Just — уточнювальні запитання, структуровані плани, робота з полями задачі й відповіді з міркуванням — за замовчуванням працює на Anthropic. Це свідомий вибір, і в нього є своя ціна, на яку я свідомо йду.

За моїм досвідом, моделі Anthropic приблизно вдвічі дорожчі й у півтора раза повільніші за найближчі альтернативи для схожої роботи. Але я все одно залишаю їх за замовчуванням, бо в задачах на планування важать інші речі.

Різниця тут не в креативності. Вона в стислісті, дотриманні інструкцій, стабільності міркування і чистішому структурованому результаті. Claude Opus 4.6 надійніше тримає детальні обмеження, ставить менше зайвих уточнювальних запитань і потребує менше повторних проходів там, де сценарій чекає чіткого плану.

Компроміс реальний, але в сценарії планування я краще переплачу за хороший перший прохід, ніж зекономлю на результаті, який потім доведеться правити.

Чому пошук і зображення забирає Google

Коли сценарію потрібен свіжий веб-контекст — конкурентний огляд, пошук технічної документації, ринкові сигнали — вибір за замовчуванням зміщується до Google. Конкретно до Gemini 3.0 Pro для веб-дослідження.

Це не просто галочка в матриці можливостей. Google десятиліттями вирішував задачі ранжування, релевантності, свіжості та якості джерел на масштабі інтернету. Це дуже важливо, коли результати з веба потім напряму впливають на планування. Якщо крок пошуку слабкий — застарілі джерела, погана релевантність або вигадані посилання, — то й план, який будується зверху, наслідує ті самі проблеми.

Із зображеннями логіка така сама. Поточний вибір за замовчуванням — Gemini 3.1 Flash Image Preview, відомий публічно як Nano Banana 2. Він помітно стабільніший за більшість альтернатив, коли йдеться про зображення з вбудованим текстом: підписи лишаються читабельними, композиція не розповзається, а текст розміщується ближче до того, що справді просили в запиті.

Де вписуються OpenAI, xAI і Mistral

• OpenAI — найочевидніший універсал: сильний у тексті, міркуванні, структурованому виводі, веб-пошуку й генерації зображень. Парадоксально, але саме ця широта і робить його не найочевиднішим варіантом за замовчуванням для ядра планування. Коли провайдер хороший у всьому, ти часто отримуєш просто гідний результат усюди, а не найкращий там, де це критично. Зате як єдиний запасний варіант він майже ідеальний і лишається найпрактичнішим вибором для команд, які не хочуть вести кілька API-ключів.
• xAI прогресує швидше, ніж я очікував. Grok уже вміє повноцінний структурований вивід зі строгим дотриманням схеми, а веб-пошук у нього цілком робочий. Найприродніше він вписується там, де швидкість важливіша за відполірованість результату: у ранніх начерках, швидких перевірках і чернетках для промацування теми.
• Mistral найкраще почувається в легких і масових текстових задачах, де головне обмеження — вартість. Це також природний вибір для команд із вимогами до зберігання даних у ЄС або просто з перевагою до європейського провайдера.

Коли обрати інші моделі

Налаштування за замовчуванням відображають моє судження, а не універсальний закон. Причини перевизначати їх абсолютно нормальні.

• Команди, чутливі до вартості, можуть вирішити, що множник Anthropic на їхніх обсягах не виправданий.
• Команди, для яких важливіша швидкість, можуть вибрати легші моделі для первинного сортування або ранніх ідей.
• Деякі організації хочуть одного провайдера заради єдиного тону, керованості або закупівельної логіки.

Якщо не хочеться керувати кількома API-ключами й провайдерами, то використовувати лише OpenAI для всього — цілком здоровий варіант. Останнім часом мені і Google Gemini все частіше подобається як універсальний запасний варіант, тож обидві опції варто прогнати на своїх задачах.

Поточні налаштування — не вічна істина

Ця схема відображає те, як я зараз дивлюся на сильні сторони провайдерів. Anthropic тримає ядро, бо його моделі нині дають найкращий результат для задач планування за ті гроші й ту швидкість, які я готовий прийняти. Google тримає пошук і роботу із зображеннями, бо його інфраструктурні сильні сторони природно лягають на ці задачі.

Ці налаштування будуть змінюватися разом із моделями, цінами й самими компромісами. Набагато стабільнішим лишиться сам принцип: підбирати провайдера під тип задачі, а не під один загальний рейтинг.

Якщо ти налаштовуєш зв’язку провайдерів уперше, почни з дефолтів, прожени кілька реальних задач через повний сценарій, а потім перевизначай саме там, де пріоритети команди вимагають іншого рішення. Ціль не в «теоретично найкращій» моделі. Ціль — у стеку, який робить задачі в Jira кращими, швидшими й менш тертими в роботі.