Март 2026 года начался не с обновлений, а с перезагрузки правил. Пока вы читали про февральские релизы, все три гиганта уже успели их похоронить. Нет, серьезно. Контекст в 200 тысяч токенов? Смешно. Агенты, которые работают в одиночку? Устарело вчера.
Три модели, одна неделя, нулевой шанс на передышку
15 марта. Дата, когда Anthropic, OpenAI и Google синхронно выкатили то, о чем говорили полгода. Не обещания, а готовые продукты. Контекстное окно от 1 миллиона токенов – не как фича для избранных, а как стандарт. Агентские команды – не как эксперимент в бета-версии, а как рабочий инструмент в API.
Если вы до сих пор используете GPT-5.3 базовую версию или Gemini 3.1 Pro без Deep Think – вы платите за вчерашний день. Все цены и возможности актуальны на 15 марта 2026 года.
Claude Opus 4.6: когда один агент – это уже скучно
Anthropic выпустила Opus 4.6 10 марта. Не 4.5, не патч, а полноценный релиз. Главное – они наконец-то догнали OpenAI по контексту: 1.2 миллиона токенов по умолчанию. Стоимость? $3.20 за 1М токенов вывода. Дорого? Да. Но за эти деньги вы получаете не одну модель, а целый конвейер.
Новая система «Многоголосие» (Polyphony) – это и есть те самые агентские команды. Вы даете сложную задачу, например, «проанализируй этот 800-страничный технический отчет и напиши три варианта реализации для стартапа». Opus 4.6 внутри себя разбивает задачу, создает виртуальных агентов: один для суммаризации, второй для поиска противоречий, третий для генерации бизнес-идей. И все это в одном вызове API.
На практике это выглядит так: вы получаете ответ не одной строкой, а структурированным документом с разделами «Анализ», «Критические замечания», «Рекомендации». Каждый раздел написан своим «стилем». Это не имитация – это реальные параллельные процессы внутри модели.
GPT-5.3-Codex: тихий убийца команд разработки
OpenAI, кажется, перестала играть в гонку версий. После релиза GPT-5.3-Codex в начале марта, они выпустили «тихое» обновление 14 марта. Ключевое изменение? Контекстное окно теперь динамическое: до 2 миллионов токенов, но модель сама решает, сколько ей нужно. Если задача простая – использует 100К. Если сложная – берет все 2М. Цена тоже динамическая: от $1.90 до $4.00 за 1М токенов вывода.
Но главное – это эволюция агентских функций для кода. Раньше была «авто-отладка». Теперь – «авто-рефакторинг с предсказанием последствий». Вы загружаете монолит на 50 тысяч строк, говорите «переведи на Rust с сохранением логики». Codex разбивает код на модули, создает команду виртуальных программистов: один отвечает за перенос синтаксиса, второй за оптимизацию памяти, третий за тесты. Каждый этап проверяется следующим агентом.
В нашей предыдущей статье про гонку кодирующих моделей мы писали, что Codex был силен в единичных задачах. Теперь он силен в проектах. Бенчмарк SWE-Bench 2026 (выпущен 10 марта) показывает 89.3% успешных решений end-to-end задач. Это на 15% выше, чем у февральской версии.
Динамическое контекстное окно – это не маркетинг. Модель действительно использует memory mapping: хранит в быстром доступе только активные части контекста, остальное – в «холодном» хранилище. Ускоряет обработку на 40% для длинных документов.
Gemini 3 Deep Think: 4 миллиона токенов и команда ученых в одном флаконе
Google, кажется, нашел свою нишу. После всеобщего помешательства на универсальности, они выпустили Deep Think – специализированную версию Gemini 3 для исследовательских и аналитических задач. Дата релиза – 12 марта 2026. Контекстное окно – 4 миллиона токенов фиксированно. Цена – $2.50 за 1М токенов вывода. Дороже, чем обычный Gemini, но дешевле, чем нанимать команду аналитиков.
Агентские команды здесь реализованы как «Когнитивные модули». Их пять: Сбор данных, Верификация, Анализ, Синтез, Критика. Вы можете включать и выключать модули. Например, для быстрого анализа рынка оставляете только Сбор и Синтез. Для академической работы – все пять.
Практический пример: загружаете 3000 научных статей по квантовой биологии (примерно 3.5 миллиона токенов). Deep Think за один проход делает: обзор литературы, выделение противоречий между исследованиями, генерацию гипотез для новых экспериментов, оценку методологических пробелов. И выдает не просто текст, а интерактивный отчет с графами цитирования и heatmap областей исследования.
Это не замена ученого. Это усиление. (Хотя некоторые постдоки уже нервно курят в стороне).
Таблица: кто что может на 15 марта 2026
| Модель | Контекст (токенов) | Стоимость вывода (за 1М) | Агентские команды | Специализация |
|---|---|---|---|---|
| Claude Opus 4.6 | 1.2 млн (фикс.) | $3.20 | Polyphony (до 5 вирт. агентов) | Бизнес-анализ, юридические тексты |
| GPT-5.3-Codex | До 2 млн (динам.) | $1.90 - $4.00 | Авто-рефакторинг с pipeline | Разработка ПО, legacy-код |
| Gemini 3 Deep Think | 4 млн (фикс.) | $2.50 | Когнитивные модули (5 шт.) | Научные исследования, анализ данных |
А что же open-source? GLM-5 и Seedance 2.0
Пока гиганты мерялись контекстом, китайские разработчики выпустили GLM-5 (8 марта) с поддержкой 1.5 миллиона токенов и базовой агентурой. Модель сильна в математике и китайском языке, но агентские функции пока примитивны: простой planning без глубокой координации.
Seedance 2.0 (релиз 14 марта) – это интересный гибрид. Контекст всего 512К, но агентская система заимствована из исследований Meta: swarm intelligence. Много маленьких агентов, каждый решает микро-задачу. Бесплатно, но требует мощного железа. Для локального запуска агентов – это вариант, но для продакшена пока не готово.
Проблема open-source в марте 2026 не в размере моделей, а в координации агентов. Нет таких сложных внутренних механизмов проверки и распределения, как у коммерческих моделей. Бенчмарки это показывают.
Итог: 1M токенов – это не про объем, а про сложность
Гонка за миллионами токенов закончилась. Теперь все есть у всех. Следующий фронт – интеллект внутри этого контекста. Не просто запомнить 1500 страниц, а вести по ним осмысленную дискуссию с самим собой. Агентские команды – это первый шаг к внутренней демократии модели. (Или к шизофрении, смотря как посмотреть).
Мой прогноз? К июню 2026 года стандартом станут «межмодельные агенты». Когда Opus будет вызывать Codex для проверки кода, а Deep Think – консультироваться с GLM-5 по математике. Единый API-шлюз, типа AITunnel, уже сейчас позволяет строить такие цепочки, но это ручная работа. Следующий прорыв – когда модели научатся сами выбирать, какую модель позвать на помощь.
Совет на сегодня: не гонитесь за самым большим контекстом. Ищите модель с агентской системой, которая решает вашу конкретную задачу. Нужно переписать код? Codex. Нужно проанализировать гору исследований? Deep Think. Нужно подготовить стратегический документ без дыр? Opus 4.6. А если попробовать одну модель для всего – получите посредственность за большие деньги.
И да, обновите свои скрипты. API всех трех моделей за последнюю неделю изменился. Старые вызовы будут работать, но без новых функций. Это уже не просто чат. Это распределенный интеллект. Пользуйтесь, пока это не запретили.
