Какая нейросеть лучше в 2026: GPT-6, Claude, Gemini, DeepSeek и Qwen по открытым бенчмаркам и на русском

Вопрос «какая нейросеть лучше» в 2026 году не имеет одного ответа, и любой сайт, который называет одного победителя, либо продаёт его, либо не смотрел в цифры. За осень вышли GPT-6 Astra, Claude Fable 5.1, Gemini 3.8 Flash, DeepSeek V4.1, Qwen 3.8 Max, и лидер меняется в зависимости от задачи: код, учёба, тексты на русском, картинки или видео. Ниже сравнение по открытым данным на 12 сентября 2026: независимые индексы, слепые оценки людей, единственный серьёзный русскоязычный бенчмарк и цены. И короткий ответ по каждой задаче.

Короткий ответ по задачам

• Сложные задачи, математика, наука: GPT-6 Astra. На FrontierMath 97,6%, на GPQA 96%.
• Длинные тексты, эрудиция, стиль: Claude Fable 5.1. Третье место по оценкам людей на LMArena, лучший результат на Humanity's Last Exam.
• Тексты и переводы на русском: Gemini. Первое место на русскоязычном MERA (версия 3.7 Flash) и в индексе качества перевода Alconost.
• Цена и качество для повседневных задач: Gemini 3.8 Flash до конца года по промо-цене, либо DeepSeek V4.1 Flash, если нужен максимально дешёвый код.
• Код и агенты за копейки: DeepSeek V4.1 Flash, уровень Claude Opus 5 в тестах на программирование за 0,15 доллара за миллион токенов.
• Картинки: это отдельная история, у текстовых моделей она разная. Мы разбирали её в статье «Лучшие нейросети для изображений».
• Видео: Kling 3.0 и Wan 2.7 по соотношению рейтинга и цены, Veo 3.1 за качество звука и картинки.

Общая таблица флагманов

Индекс Artificial Analysis (AA): агрегат десятка тестов, версия 4.3, независимый. Arena: рейтинг LMArena по слепым оценкам людей, срез 2 сентября. Цены официальные, за миллион токенов.

Модель	AA Index	Arena	Цена вход / выход	Контекст	Скорость, токенов/с
GPT-6 Astra	53	ещё не оценена	10 / 50 долларов	1,05 млн	54
Claude Fable 5.1	53	1504, 3 место	10 / 50 долларов	1 млн	67
Claude Opus 5	51	1493, 9 место	5 / 25 долларов	1 млн	51
GPT-5.6 Sol	47	1483, 17 место	4 / 20 долларов по промо	1,05 млн	60
GLM 5.3	45	1482, 20 место	1,4 / 4,4 доллара	1 млн	62
Grok 4.6	44	1461, 49 место	2 / 6 долларов	500 тыс	55
Kimi K3	44	1489, 12 место	3 / 15 долларов	1 млн	39
GPT-5.6 Terra	42	1466, 43 место	2 / 12 долларов	1,05 млн	87
Gemini 3.8 Flash	41	1494, 8 место	0,75 / 3,75 доллара до 31.12	1 млн	261
DeepSeek V4.1 Flash	40	ещё не оценена	0,15 / 0,60 доллара	1 млн	199
Qwen 3.8 Max	40	1480, 22 место	2 / 6 долларов	1 млн	38
Gemini 3.1 Pro	30	1487, 15 место	2 / 12 долларов	1 млн	108

Как читать таблицу:

• Верхняя лига: GPT-6 Astra и Claude Fable 5.1 делят первое место по индексу с одинаковыми 53 баллами и одинаковой ценой. Astra сильнее в математике и работе с интерфейсами, Fable в эрудиции и качестве текста.
• Опасно сравнивать индексы разных версий. По блогам гуляют цифры «Fable 5 59,9, Sol 58,9, Kimi K3 57»: это старая шкала 4.1, её нельзя ставить рядом с текущей.
• Люди и тесты расходятся. Gemini 3.8 Flash по индексу на девятом месте, а по оценкам людей на восьмом, выше GPT-5.6 Sol. Grok 4.6 по индексу неплох, а людям нравится меньше всех в таблице.
• Разрыв в цене между лигами огромный: 10 долларов у Astra против 0,15 у DeepSeek. Разница в качестве в бытовых задачах не в 60 раз.

Русский язык: единственные честные цифры

Большинство рейтингов измеряют английский. Для русского есть бенчмарк MERA от Альянса в сфере ИИ, версия Text 2.0 представлена 1 сентября 2026, 12 задач. Топ на 12 сентября:

Место	Модель	Балл
1	Gemini 3.7 Flash	0,678
2	GPT-5.6 Sol	0,639
3	Claude Opus 5	0,631
4	Grok 4.6	0,623
5	GPT-5.6 Terra	0,568
6	GPT-5.6 Luna	0,516
7	Qwen 3.5 397B	0,485
8	Grok 4.3	0,469
10	MiMo V2.5 Pro	0,437
13	GigaChat 3.5 432B	0,423

Важные оговорки: GPT-6 Astra, Claude Fable 5.1, Gemini 3.8 Flash, DeepSeek и Kimi на MERA пока не тестировали, поэтому говорить «Astra лучше всех по русскому» нельзя, данных нет. Из российских моделей GigaChat 3.5 на 13 месте, заметно позади зарубежных флагманов.

Второй источник: индекс качества перевода Alconost по 5632 оценкам профессиональных переводчиков. Gemini 77,7, Claude 75,6, GPT 73,1, Mistral 71,9, DeepSeek 71,5, DeepL 70,8. Русский переводчики отмечают как язык сложнее немецкого и польского: тут отрыв Gemini и Claude от остальных больше среднего.

Практический вывод: для писем, статей и переводов на русский берите Gemini или Claude, для рассуждений и задач с точным ответом GPT.

По задачам подробнее

Учёба и объяснения. Claude Fable 5.1 и GPT-6 Astra объясняют лучше всех, но для школьной и вузовской программы хватит Gemini 3.8 Flash или GPT-5.6 Terra, они быстрее и дешевле. Все флагманы решают ЕГЭ по математике, разница начинается на олимпиадных задачах.

Код. DeepSeek V4.1 Flash показала 74,2 на DeepSWE и 90,6 на Terminal-Bench, вровень с Claude Opus 5 и GPT-5.6 Sol. Для больших проектов с долгой историей лучше Astra: она ведёт заметки между контекстными окнами. Для веб-вёрстки Qwen 3.8 Max первая на Code Arena WebDev.

Работа с документами и файлами. У всех флагманов контекст около миллиона токенов. На длинном контексте до 512 тысяч токенов Astra показывает 100% на внутренних тестах OpenAI, у DeepSeek V4.1 самый длинный ответ, до 384 тысяч токенов.

Картинки на входе. Понимают почти все, кроме GLM 5.3. Видео и аудио на входе умеют Gemini, Qwen и Kimi.

Бесплатно. У ChatGPT бесплатный тариф ограничен GPT-5.6 Luna, у DeepSeek веб-чат с очередями, у Gemini базовый доступ в приложении. В России к этому добавляются блокировки и невозможность оплаты российской картой. Агрегаторы вроде Promtix дают стартовые токены при регистрации и все модели в одном окне за рубли.

Видео: какая нейросеть лучше для роликов

Отдельная арена Artificial Analysis сравнивает видеомодели слепыми оценками. Рейтинг Elo для текста в видео и оживления фото, цены за пятисекундный ролик по официальным API-площадкам:

Модель	Elo текст / фото в видео	Цена за 5 секунд	Длина и разрешение	Звук
Kling 3.0 Pro	1108 / 1077	0,56 доллара, с аудио 0,84	3-15 с, до 4K	нативный
Wan 2.7	1103 / 1088	0,75 доллара в 1080p	до 15 с, 1080p	да
Veo 3.1	1090 / 1088	2 доллара в 1080p с аудио	4-8 с с продлением, до 4K	да
Sora 2 Pro	1079 / нет данных	3,5 доллара в 1080p	до 25 с, 1080p	да
Seedance 2.5	версия 2.0: 1220 / 1196	около 2,4 доллара в 720p	до 30 с, 720p	нативный
Hailuo 2.3 Pro	вне топ-20	0,49 доллара за ролик	6-10 с, 1080p	нет

Что важно знать: у Seedance 2.0 самый высокий рейтинг из перечисленных, но новая 2.5 в топ-20 арены пока не попала. OpenAI объявила, что отключит API Sora 24 сентября 2026, так что строить на ней что-то надолго не стоит. По цене и качеству для роликов из своих фото оптимальны Kling 3.0 и Wan 2.7, для рекламных клипов с озвучкой Veo 3.1. Все шесть моделей доступны в разделе «Видео» Promtix, где можно оживить фото и выбрать движение камеры из готовых пресетов.

Как мы считали и чему не верить

Использованы только открытые источники: индекс Artificial Analysis версии 4.3, лидерборды LMArena и MERA, официальные таблицы разработчиков, прайс-листы OpenAI, Anthropic, Google, DeepSeek и fal. Собственные тесты разработчиков (например, 99,9% GPT-6 Astra на ARC-AGI-3 в оболочке OpenAI против 62,7% в стандартной) отмечены отдельно.

Чему не верить в других рейтингах: сравнению индексов разных версий, заголовкам «убила всех конкурентов» по одному тесту, а также рейтингам, где российские модели стоят выше зарубежных без ссылки на MERA.

Частые вопросы

Какая нейросеть самая лучшая в 2026? По независимому индексу первое место делят GPT-6 Astra и Claude Fable 5.1. По оценкам людей на LMArena лидирует Claude. По русскому языку на MERA лидирует Gemini.

Какая нейросеть лучше пишет тексты на русском? Gemini и Claude: лидеры MERA и индекса перевода Alconost. GPT на втором месте на MERA.

Какая нейросеть лучше для видео? Kling 3.0 и Wan 2.7 по цене и качеству, Veo 3.1 за звук и 4K, Seedance за длинные ролики до 30 секунд.

Какая бесплатная нейросеть лучше? Полностью бесплатных флагманов нет. В России проще всего попробовать модели через агрегатор со стартовыми токенами.

Стоит ли платить за GPT-6 Astra, если есть Gemini 3.8 Flash за 0,75 доллара? Только для сложных задач: математика, наука, автономные агенты, длинные проекты в коде. Для писем, конспектов и переводов разница не оправдает разницу в цене в 13 раз.