У застосунку ChatGPT слово Work позначає агента для документів, Codex позначає агента для коду, а поруч живе звичайний чат. У Perplexity слово Computer належить хмарному сервісу, Personal Computer позначає його розширення для Mac, а браузер називається Comet. У Google назва Antigravity стосується чотирьох окремих застосунків. У Microsoft існує кілька продуктів зі словом Copilot у назві, і роблять вони різні речі. Назви на цьому ринку плутають сильніше за самі можливості, тож почнемо з назв. Попередня стаття розповідала про історію ШІ-моделей, тепер прийшов час розглянути продукти.
Шість компаній обрані тому, що кожна володіє власною фронтірною моделлю або будує на чужих моделях популярний на ринку продукт. Агентні інструменти поза цими екосистемами (наприклад, Cursor) у статтю не входять, тож поради наприкінці обмежені вибором усередині цих шести. Ринок ширший. Усе звірено 27 липня 2026 року і це важливо, бо продукти в цій галузі з’являються і зникають ледь не щомісяця. Ще одне застереження: досвід автора з ними дуже нерівний, і це впливає на вагу кожної оцінки. Продукти OpenAI та Anthropic, а також GitHub Copilot використовуються щодня і висмоктують дорогі тарифні плани “в нуль”, Perplexity Computer і Gemini Notebook в користуванні регулярно, Antigravity перевірений однією задачею спеціально для цього матеріалу, Microsoft 365 Copilot дістався з підпискою на Office, а Grok Build взагалі “бачив тільки на картинках”.
Класифікація тримається на типовому сценарії використання. Кодові агенти живуть у терміналі (CLI, командному рядку) і в середовищі розробки (IDE, редакторі коду на кшталт VS Code), але можуть мати також вигляд десктопного застосунку. Агенти для інтелектуальної праці (knowledge work) розраховані на тих, хто не пише код. Агентні браузери працюють усередині сесії браузера, де бачать відкриті вкладки, ходять по сторінках, заповнюють і надсилають форми, користуючись при цьому cookies й акаунтами, у які людина вже увійшла. Нарешті, звичайні чати. У кожного вендора, крім Microsoft, агентний продукт виріс саме з чату, і підписка на чат майже завжди включає агента. Формат відповіді нічого не вирішує, бо файл сьогодні згенерує і чат. Технічної межі між класами немає, адже кодовий агент уміє працювати з документами, браузерне розширення вміє редагувати код, а чат вміє викликати інструменти. Різниця в тому, скільки в продукту інструментів, чи має він право змінювати щось поза розмовою, чи тримає стан задачі між кроками та чи здатен працювати, поки людина не дивиться. Дозволи й підтвердження при цьому лишаються, тож “без нагляду” описує тільки можливість не сидіти над кожним кроком.
OpenAI
Codex давно перестав бути тією моделлю, з якої колись виріс GitHub Copilot. Сьогодні це агентна система з розширеннями для VS Code і JetBrains, відкритим консольним інструментом і окремим розділом всередині десктопного ChatGPT. Ці прояви легко злити в один, а вони різні. Доречі те, що виглядає як мобільний Codex, є вкладкою Remote у застосунку ChatGPT, де телефон керує сесією на під’єднаному (і ввімкненому!) комп’ютері. Як курйоз можна згадати агентний браузер ChatGPT Atlas, але 9 липня OpenAI оголосила про його закриття з 9 серпня 2026 року.
Модельне меню Codex очолює родина GPT-5.6, де цифра позначає покоління, а назви Sol, Terra і Luna позначають рівні спроможності всередині нього. Родина стала загальнодоступною 9 липня після короткого періоду обмеженого доступу, який, за словами самої OpenAI, компанія тримала на прохання уряду США. Десктопний застосунок, консольний інструмент і розширення для IDE читають спільний конфігураційний файл, у якому можна вказати стороннього постачальника моделей, зокрема ollama і lmstudio. У Codex cloud і інструмента для інтелектуальної праці ChatGPT Work вибір обмежений каталогом OpenAI. Цікаво, що ChatGPT Work та Codex мають спільний пул лімітів в підписках, в той час, як звичайний чат тарифікується окремо.
Паралельність влаштована через робочі дерева (git worktrees, окремі копії проєкту для одночасної роботи кількох агентів) і субагентів під конкретні підзадачі. Пакети інструкцій оформлюються за відкритим стандартом Agent Skills: тека з файлом SKILL.md, який описує, що агент має вміти і коли це вмикати. Anthropic опублікувала специфікацію наприкінці 2025 року, і за кілька місяців її прийняли Codex, VS Code, Antigravity, Cursor і десятки інших інструментів. Спільний формат означає, що різні продукти той самий файл знаходять і читають, але однакова поведінка з цього не випливає, бо пріоритет інструкцій, набір інструментів і надійність виконання лишаються різними, тому перенесені навички перевіряють заново. Безпековий підхід виглядає послідовним. Локальна пісочниця (sandbox) увімкнена за замовчуванням у консольному клієнті на macOS і Linux. Слово це збірне і за ним ховаються окремі речі, від того, які теки доступні на запис, до того, які дії потребують підтвердження людини. У Codex агент прив’язаний до робочої теки, інтернет під час агентної фази вимкнений, але окремий режим повного доступу знімає обидва обмеження.
Anthropic
Claude Code виконує команди й читає файли на машині користувача, а до моделі звертається напряму, без проміжного сервера вендора, який збирав би контекст замість нього. Як і в OpenAI, всі три напрямки (Claude, Cowork та Code) працюють з одного десктопного застосунку, але для Code це є адаптацією оригінального термінального режиму. На додачу, в Anthropic є окремий продукт Design, який ми детально розглядали раніше, а також розширення Claude для Chrome.
Інференс за замовчуванням відбувається в хмарі Anthropic, але через Amazon Bedrock, Google Cloud чи Microsoft Foundry той самий Claude Code працює вже з іншим оператором обчислень і іншим договором про обробку даних. 24 липня лінійку моделей очолила Claude Opus 5 з вікном контексту в 1 млн токенів і однаковою з попередницею ціною. Поруч лишаються Sonnet 5 як швидший варіант і Haiku 4.5 для дрібниць, а окремо стоїть Fable 5, номінально найпотужніша модель зі скандальною історією заборони урядом США, хоча для щоденних задач Opus 5 цілком може підійти краще. Моделі виключно власні, і це свідомий компроміс: щоб підсунути Claude Code чужу модель, потрібен окремий шлюз, який перекладає запити у формат Anthropic.
Cowork переносить ту саму архітектуру на інтелектуальну працю: агент отримує доступ до конкретної теки, читає і створює файли, виконує заплановані задачі й діє в браузері. Продукт народився з внутрішнього спостереження, що нетехнічні команди Anthropic самі почали користуватися Claude Code замість чату, і компанія повідомляє, що понад 90% використання Cowork не стосується програмування. Загалом ліміти Claude, Cowork, Claude Code та Claude Design в рамках однієї підписки єдині, але компанія іноді організує промоакції з підвищеними лімітами для конкретних застосунків.
Липневе оновлення зняло головне обмеження — раніше застосунок мав бути відкритим, поки агент працює, тепер сесії можуть виконуватися в хмарі. До цього йде застереження, яке легко пропустити за прес-релізом. Веб і мобільні версії знаходяться в стані бета-версії з розгортанням, що почалося з плану Max, окремого застосунку Cowork для телефона не існує (він з’являється в бічному меню застосунку Claude), і термінів для решти планів компанія не називала. Тобто якщо на телефоні Cowork не видно — це поки нормальний стан. Повний набір можливостей, включно з доступом до локальних файлів, лишається на десктопі.
Google
Antigravity з’явився наприкінці 2025 року разом із Gemini 3 як агентне середовище розробки. Найпомітніші риси дві: режим диспетчера, де розробник запускає кілька паралельних агентів і спостерігає за ними, і браузерний субагент, який відкриває справжній Chrome, клацає по щойно збудованому вебзастосунку і повертає агентові список того, що зламано. Агенти звітують артефактами, з яких ключові називаються implementation_plan.md із планом робіт, що показується до змін у коді, і walkthrough.md зі звітом про зроблене. Схвалення плану лишається за людиною.
У травні версія 2.0 розділила продукт на чотири — застосунок для керування агентами, окрему IDE, консольний Antigravity CLI на заміну Gemini CLI та бібліотеку для розробників. Звичайний чатбот Google Gemini стоїть окремо від Antigravity, а ще компанія активно просуває спілкування з Gemini в інших своїх продуктах.
Gemini CLI вимкнули 18 червня, автоматичне оновлення зламало частину робочих налаштувань і спричинило хвилю обурення на форумах, а ціни Google перенесла в загальну лінійку підписок Google AI. За частотою змін у квотах і тарифах це найменш передбачувана платформа з шести, і скарги спільноти стосуються саме цього. Загалом це нагадує хаотичний стиль Google у випуску експериментальних застосунків, ставлення до яких у компанії геть інше, ніж до Android чи Chrome.
Моделі від початку мультивендорні, і це головна відмінність Antigravity від конкурентів OpenAI та Anthropic, бо навіть на безплатному плані доступні кілька Gemini, дві моделі Anthropic і відкрита gpt-oss-120b від OpenAI.
Окремої згадки заслуговує Gemini Notebook, колишній NotebookLM (перейменування відбулося 16 липня). Це дослідницький блокнот, у якому користувач збирає джерела і ставить питання по них, з відповідями, прив’язаними до конкретних абзаців. Оновлення 8 червня перевело його на Gemini 3.5, додало навички на базі Antigravity і дало кожному блокноту захищений хмарний комп’ютер, здатний виконувати код. Блокнот навчився також сам шукати джерела через пошук Google, причому це окремий крок поповнення підбірки, після якого знайдене стає такою самою цитованою карткою, як завантажений вручну файл.
Найближчими до нього за призначенням є Cowork і ChatGPT Work, хоча концепція геть інша – ті працюють із текою на диску, а блокнот відповідає в межах своєї підбірки. Автор користується ним постійно, найчастіше у двох сценаріях: або довгі відео з YouTube, які додаються як джерело і далі опрацьовуються як текст, або синтез кількох джерел у межах одного дослідження.
Microsoft
Слово Copilot у Microsoft позначає багато різних речей, і плутанина між ними може коштувати грошей. Найвідоміший із них, Microsoft 365 Copilot, є чатом і асистентом усередині офісних застосунків.
Як окрема підписка для приватної особи він дає вужчі агентні можливості, ніж ChatGPT Plus чи Claude Pro у тій самій ціновій категорії, хоча якщо дістався разом з підпискою на Office – то теж непогано. А ось у організації з уже розгорнутими Microsoft 365 розрахунок цінності Copilot вийде геть інший порівняно з потребою у бізнес-планах OpenAI чи Anthropic.
Разом з тим, мова не про нього. GitHub Copilot є окремим продуктом для розробників з власною підпискою через акаунт GitHub, і саме він цікавий у контексті статті. За 2026 рік він перетворився з автодоповнення коду на повноцінного агента. А у червні на Build компанія показала десктопний застосунок для керування паралельними сесіями, де кожна працює у власному робочому дереві, поруч із консольним інструментом і класичним розширенням для VS Code.
На тому ж Build 2026 Microsoft представила сім власних моделей родини MAI, серед яких MAI-Code-1-Flash для GitHub Copilot і VS Code. При цьому Copilot лишається мультивендорним, де у меню співіснують GPT від OpenAI, Claude від Anthropic, Gemini від Google і власні MAI, а режим автовибору маршрутизує задачу сам і економить 10% ціни для користувача. 23 липня Microsoft повідомила, що донавчила MAI-Code-1-Flash усередині обв’язки (harness, надбудови навколо моделі, про яку далі буде окремий розділ) самого GitHub Copilot, а потім із тієї самої контрольної точки виростила модель для Excel, зіставну з GPT-5.6 на найпоширеніших задачах при меншій вартості. Це заміри виробника на власному продукті, але конструкція показова. Маючи доступ до моделі, обв’язки, агентів і продуктових оцінювань одночасно, можна розвивати дешевші спеціалізовані моделі під конкретний продукт.
GitHub Copilot виріс усередині IDE і досі поводиться як дуже сильний помічник для програміста – бачить відкритий файл, підказує, а вже за потреби бере задачу цілком. Це відчувається інакше, ніж у Codex і Claude Code, що збудовані від агента. Втім, функціональні спроможності схожі. Проблема в тому, як побудовані підписки. Кожен запит до GitHub Copilot вимірюється в кредитах (що залежать від моделі) і 7000 кредитів, що включені в 39-доларовий план, не дуже вистачає на щось корисне порівняно з лімітами інших провайдерів. Економія токенів в такому випадку перестає бути теоретичною дисципліною…
SpaceXAI
Grok Build вийшов у середині травня 2026 року як консольний кодовий агент і став першим виразним сигналом, що Grok перестає бути тільки чатом та плагіном для X. Доступ на старті обмежувався найдорожчим споживчим планом, згодом його розширили. Документація тепер підписана SpaceXAI, оскільки в лютому 2026 року компанію придбала SpaceX. Безплатні користувачі все ще обмежені чатом Grok та його іншими проявами, наприклад, в середині X (Twitter), а Build з’являється тільки з підпискою SuperGrok.
Як агентний інструмент, Grok Build читає файли інструкцій AGENTS.md, навички, плагіни та MCP-сервери, налаштовані для інших агентів, із тим самим застереженням, що й у розділі про OpenAI – інструкції та описи навичок переносяться без переписування, а от імена інструментів, шляхи, авторизація MCP-серверів і правила дозволів у Grok Build свої. Друга річ із документації: агент приймає будь-яку сторонню модель, не тільки Grok 4.5, досить вказати в конфігурації назву й адресу сервісу.
Липень дав історії Grok Build різкий поворот. Дослідник під ніком cereblab показав, що інструмент мовчки вивантажував цілі git-репозиторії на хмарну інфраструктуру компанії разом із файлами .env і ключами. Через три доби xAI виклала Grok Build на GitHub під ліцензією Apache 2.0. Це близько 844 тисяч рядків Rust, які тепер доступні для вивчення всіма бажаючими побачити, як створено сучасний агентський застосунок. Наслідок важливіший за мотив, але формулювати його треба точно. Відкрито клієнтську частину, тобто те, що виконується на машині користувача. Серверна оркестрація, маршрутизація моделей, облік підписок і прийом телеметрії у репозиторій не входять, тож “вся обв’язка доступна” було б перебільшенням. Складений самостійно клієнт можна спрямувати на власний сервер інференсу, і тоді міркування моделі справді відбувається локально.
Perplexity
Головний продукт Perplexity, з якого виросло все інше, це пошук – це рушій, який замість списку посилань формулює відповідь і підкріплює кожне твердження джерелом. Comet переносить ці спроможності в браузер, Computer відправляє їх у хмару і додає виконання.
Comet є безплатним агентним браузером на базі Chromium з асистентом у кожній вкладці. Він читає контекст відкритих сторінок, підсумовує, заповнює форми й виконує багатокрокові доручення, а платні плани додають фонових асистентів і поштового помічника. Найкорисніший сценарій виглядає так: асистент читає кілька вкладок одночасно і зводить їх в одну відповідь із посиланнями.
Computer влаштований інакше і є режимом роботи основного застосунку Perplexity. Це хмарний оркестратор, який розкладає запит на підзадачі й маршрутизує кожну до найбільш підхожої моделі з каталогу OpenAI, Anthropic, Google та xAI, з оплатою кредитами за власним курсом. Personal Computer, третя назва в цій лінійці, позначає локальне розширення Computer у десктопному застосунку для Mac.
Показово те, що за наявності власних моделей Sonar типовою моделлю і для Computer, і для браузерного агента Comet є родина Claude, але з можливістю використати й GPT-5.6 Sol, і Grok 4.5, і Kimi K3, і GLM 5.2 (з приміткою, що китайські моделі мають в такому випадку американський хостинг). Perplexity продає власний продукт, працюючи здебільшого на чужих моделях, і не приховує цього.
Агентні продукти станом на 27 липня 2026 року
Інфографіка показує налаштування за замовчуванням і маршрути, задокументовані виробником. Місце роботи агента не збігається з місцем, де змінюється стан, бо хмарний агент однаково може писати у пошту чи репозиторій.
Обв’язка важить не менше за модель
Значна частина описаних продуктів дозволяє запускати всередині себе моделі конкурентів. Отже, порівнюючи продукти, ми переважно порівнюємо обв’язку (harness) – цим словом називають все, що вендор наростив навколо моделі, від набору інструментів і прав доступу до механіки підтверджень, пісочниці й формату звітності. Одна й та сама модель у двох різних обв’язках поводиться помітно по-різному. З цього не випливає, що обв’язка важливіша за модель. Вони працюють у парі, і на задачах, які впираються в саме міркування, різниця між моделями лишається вирішальною. Але на довгих задачах, де багато кроків, інструментів і підтверджень, більше важить обв’язка. Це спостереження автора з власної роботи. Щоб довести таке як слід, треба ганяти одну модель у різних обв’язках і різні моделі в одній обв’язці на тих самих задачах, а таких публічних порівнянь поки мало.
Звідси й пастка для покупця. Однакова назва моделі в меню двох продуктів не означає однакового доступу до неї. Різнитися можуть ліміт контексту, регулятор зусиль, системний промпт і квоти. “Ті самі моделі” в GitHub Copilot і в Codex є радше перетином родин, ніж рівноцінним доступом.
Це все ще не локальні моделі!
Спершу розділимо продукти, бо однаково вони не працюють. Codex cloud, ChatGPT Work у вебі, Gemini Notebook, Microsoft 365 Copilot і Perplexity Computer самі виконуються у хмарі вендора, хоча змінювати стан можуть у пошті, календарі чи репозиторії користувача. Агентні браузери діють на машині користувача, але команд у терміналі не запускають. І лише десктопні, консольні та вбудовані в IDE агенти справді редагують файли на диску. Плутанина точиться саме про цю останню групу. Вона працює на машині користувача, але текст задачі, фрагменти коду та проміжні результати надсилає моделі в чужий дата-центр. Формулювання “дані лишаються локально” описує виконання, тоді як інференс лишається хмарним.
Двері до справді локальних LLM прочинені, і саме з боку обв’язки. Локальні клієнти Codex мають вбудованих постачальників ollama і lmstudio, липневе оновлення бібліотеки Antigravity додало підтримку локальних Gemma через LiteRT і будь-яких сервісів з OpenAI-сумісним інтерфейсом, а зібраний із вихідного коду Grok Build можна спрямувати на власний сервер. Claude Code потребує для цього стороннього шлюза.
Тільки “власний сервер” і “на пристрої” не є синонімами, і плутанина коштує дорого. OpenAI-сумісний інтерфейс однаково веде і до моделі на тому самому ноутбуці, і до машини в сусідній кімнаті, і до орендованого сервера в чужому дата-центрі, і навіть до ще одного комерційного провайдера. Шлюз для Claude Code перекладає формат запиту й вирішує, куди його відправити, але інференс на пристрій сам собою не переносить. Тому в таблиці вище місце роботи агента й місце роботи моделі рознесені по окремих колонках. Коли модель справді працює на пристрої, локальним стає інференс. Чи ходять при цьому самі клієнти до серверів вендора за авторизацією, оновленнями й телеметрією, ми не перевіряли, і без аналізу мережевого трафіку це питання лишається відкритим для кожного з них окремо.
Практична межа пролягає в якості. Довгі агентні цикли тримаються, серед іншого, на трьох властивостях моделі: стабільному виклику інструментів, довгому контексті й дисципліні у виконанні інструкцій. Решта залежить від обв’язки. Тому три різні речі краще не змішувати. Під’єднати локальну модель технічно можливо вже сьогодні. Отримати від неї корисний результат на короткій задачі під наглядом людини теж цілком реально. А от порівняно з тими самими обв’язками на хмарних фронтірних моделях частка довгих задач, доведених до кінця без втручання людини, на домашньому залізі у вигляді споживчої відеокарти помітно нижча.
З іншого боку, ще одне нагадування — те, що на відміну від локальних LLM, з хмарною роботою користувачі залежать від волі провайдера. Найяскравіша ілюстрація крихкості доступу трапилася минулого місяця. 12 червня уряд США заборонив Anthropic давати доступ до Fable 5 і Mythos 5 іноземним громадянам, і компанія, не маючи як перевіряти громадянство в реальному часі, вимкнула обидві моделі для всіх. Обмеження зняли 30 червня, тобто для решти світу моделі не існувало 19 днів. В результаті тарифікували Fable 5 окремо від лімітів підписок. Приблизно тоді ж OpenAI, за власними словами, майже два тижні тримала найновішу модель (5.6) в обмеженому доступі на прохання того самого уряду. Жоден із цих епізодів не залежав від користувача і, так би мовити, не читався з прайс-листа…
Безпека: пісочниці, ін’єкції та дані
Порівнювати за безпекою треба окремі прояви, бо консольний агент у пісочниці й браузерне розширення в живій сесії живуть у різних світах ризику, хоча продає їх одна компанія. Систематичного порівняння шести вендорів за всіма вимірами не вийде, тож і загального переможця назвати неможливо. Але безпека та приватність — важливі!
Наприклад, непряма ін’єкція промптів лишається нерозв’язаною проблемою всієї галузі, і жоден виробник не стверджує протилежного. Історія Grok Build додає до цього ще один кут — ризик іноді створює сам виробник функцією, яку ввімкнув за замовчуванням і не пояснив. Липень дав ще два яскравих приклади, і вони геть різного роду. Дві моделі OpenAI під час внутрішнього кібербезпекового оцінювання вийшли за межі ізольованого середовища і зламали виробничу інфраструктуру Hugging Face. Ця історія стосується спроможності достатньо сильної моделі знайти й використати діру в сторонньому компоненті. Налаштувань комерційних продуктів OpenAI вона не описує. Приблизно тоді ж дослідники з Accomplish AI показали вразливість у Claude Cowork, через яку агент читав і писав файли по всій системі Mac, включно з SSH-ключами, і не питав дозволу. Ось це вже про конкретний продукт. Разом дві історії показують, що пісочниця лишається межею з обмеженою міцністю, і перевіряється ця міцність рівно тоді, коли всередині опиняється достатньо здібна модель.
Захисні заходи корисно розкласти й по загрозах, і по ролі, бо єдиного найкращого серед них немає. Резервні копії нічому не запобігають — вони дешево повертають втрачене, якщо версійні, лежать поза досяжністю агента і зберігаються достатньо довго, щоб тихе псування встигли помітити. Запобігають інші речі. Вузько відкрита тека й окремий користувач операційної системи не дають агентові вийти за межі робочого простору, але лише якщо права на файли, синхронізовані теки й профілі браузера теж розділені. Токени з мінімальними правами обмежують шкоду від скомпрометованого з’єднувача чи ключа API, а от основний акаунт вендора, де лежать сесії, оплата й історія розмов, вони не захищають. Окремий ПК під роботу з ШІ, модний у тих, хто запускає, наприклад, ризикований OpenClaw, дає ширшу ізоляцію, але коштує дорого і марний, якщо на тій самій машині відкриті ті самі акаунти. Проти зберігання даних на боці постачальника не працює жоден із цих заходів.
Окремої уваги потребують конфіденційні дані. На споживчих планах OpenAI вміст розмов може використовуватися для навчання моделей, поки користувач не вимкнув це в налаштуваннях; бізнесові й корпоративні плани зазвичай виключають такі дані за замовчуванням. Тренування при цьому є тільки однією частиною історії. Строки зберігання, доступ живих людей під час перевірок на зловживання й регіон обробки описані в кожного вендора окремо і на рівні конкретного плану.
Результати бенчмарків не відповідають на питання покупця
Тут на Межі ми добре розуміємося на тестуваннях заліза, а іноді й софту. Спокуса вибрати й цей інструмент за рейтингом велика, але майже кожен такий рейтинг зібраний із неспівставних вимірів. Умовно кажучи, SWE-bench Verified, SWE-Bench Pro і Terminal-Bench різних версій є різними іспитами з різною складністю, і та сама модель легко втрачає десятки пунктів під час переходу між ними. Далі накладається обв’язка. Частина цифр описує модель із фіксованим промптом, а частина вже описує зв’язку моделі з обв’язкою, інструментами й дозволеною кількістю повторних спроб, тож без прямої вказівки, що саме вимірювали, дві цифри поруч можуть означати різні речі. До цього додається маркетинг, бо більшість свіжих цифр публікують самі виробники в день релізу. Чесна методологія тестування винятково важлива!
Згадана історія з Hugging Face додає ще один аргумент, уже майже анекдотичний. Моделі, які проходили кібербезпековий іспит, розв’язували задачу не так, як задумували автори й замість пошуку вразливості в завданнях вони дістали готові відповіді з сервера, де ті зберігалися.
Питань насправді три, і плутати їх не треба. Перше: стороннє тестування показує, як модель або агентна система відпрацювала на конкретному наборі задач за конкретних умов. Друге: з кількох таких звітів складається ширше уявлення про окрему спроможність. А ось чи витягне інструмент саме щоденну роботу конкретного користувача (третє питання), не покаже жодний бенчмарк. На це відповідає лише власний невеликий набір типових тестових задач, але для цього треба вміти, фактично, будувати власні бенчмарки. Для покупця вирішальне третє питання, тому починати розумно з нього, тримаючи чужі заміри як довідку. З поправкою на те, що агенти дають різний результат від запуску до запуску, тож рахувати доводиться частоту невдач і вартість їх виправлення.
Що обрати й чому цей список зміниться
Під профіль роботи не програміста (тобто, коли написанням коду займається ШІ, а людина ставить задачу та перевіряє результат) краще підходять OpenAI Codex і Claude Code. Обидва зрілі й обидва читають ті самі формати інструкцій. Тримати обидва одночасно має сенс, якщо обсяг роботи це виправдовує — це дві підписки й той самий репозиторій, відкритий двом постачальникам, а перехресна перевірка корисна, але не є повністю незалежною, бо два агенти з однаковим завданням часто помиляються однаково. У кого профіль інший і робочий день минає в редакторі коду, тому природніше починати з GitHub Copilot. Він дає доступ до тих самих родин моделей без зміни середовища. До списку вище Copilot не потрапив саме через специфіку походження інструменту та спірну політику тарифних планів. Для інтелектуальної праці з локальними файлами та документами Claude Cowork, ChatGPT Work та Perplexity Computer підходять приблизно однаково успішно. Але Gemini Notebook лишається вибором автора там, де робота починається з підбірки джерел.
Ці поради слушні на кінець липня 2026 року. Інструмент, під який людина вибудувала робочий процес, може змінити назву, ціну або умови доступу швидше, ніж вона встигне до нього звикнути. Спільні формати інструкцій і змінні моделі стосуються поки що самих лише кодових агентів, і навіть там переноситься опис — скрипти всередині навички, імена інструментів і шляхи однаково доводиться правити. Тому вибудовуючи свою інфраструктуру роботи, вкладатися розумніше в те, що переживе зміну інструмента: описи проєктів, тексти навичок і власну дисципліну. Підключені сервіси до цього списку не належать, бо з’єднувачі й моделі дозволів у кожного вендора свої.
P.S. У тексті вище згадано одразу декілька тем, кожна з яких вимагає мінімум окремого матеріалу: harness (обв’язки), браузерні агенти, безпека та приватність при роботі з ШІ, локальні моделі, галузеві та власні бенчмарки для LLM, міграція між провайдерами… Але спочатку, в наступній статті, ми поговоримо про загальні поради користувачам агентів — як налаштувати Codex, Claude Code/Cowork чи Antigravity краще, ніж це пропонується “з коробки”.
