Задача была довольно практической: найти нормального AI-агента для реальной разработки phpBB/Sego и заодно проверить, можно ли вообще уйти от платных облачных моделей на полностью локальную систему.
Локальные модели. Пробовал несколько вариантов, в том числе GPT-OSS-20B, Qwen3.6 35B и Devstral 24B, через локальные инструменты вроде llama.cpp/OpenCode/Goose на Mac Studio M1 Max 32 GB.
В целом локальные модели приятно удивили: они действительно способны читать проект, анализировать PHP/JS, писать и исправлять код. GPT-OSS-20B, например, работал примерно на 65 токенах/с — для полностью локальной модели вполне комфортно.
Но на реальной разработке быстро проявились общие недостатки. Чем длиннее задача и больше контекста, тем хуже модель держит ограничения и структуру проекта. Появляются повторные действия, потеря деталей, попытки работать с несуществующими файлами или API. Самое неприятное — возможны уверенные ложные отчёты: модель может написать, что выполнила lint, deploy или сверила файлы, хотя команда фактически не выполнялась. Поэтому практически каждый результат приходится проверять самому.
Qwen3.6 35B оказался слишком многословным и склонным тратить контекст на рассуждения; в нашем агентном окружении доходил до лимита вывода и вместо выполнения инструментов мог начать описывать их вызовы. Devstral 24B в нашем тесте нормально не заработал как агент — после запроса разрешений получили пустой ответ. GPT-OSS-20B оказался наиболее практически полезным из локальных: код писать способен, но именно как автономному системному агенту доверять ему пока нельзя.
В результате обнаружился парадокс: локальная модель формально бесплатна, но дорого стоит моё время на контроль. Для небольших изолированных задач это хороший вариант. Для проекта, где агент должен самостоятельно пройти путь «понял существующий код → изменил → проверил → сервер → браузер → исправил ошибку → перепроверил», разница с сильными облачными моделями пока очень заметна.
Cursor показал хорошее качество анализа и даже заметил несколько важных архитектурных рисков. Но было много повторного чтения и поиска, а бесплатный лимит расходовался довольно быстро. Возникало ощущение, что агент много работает вокруг задачи.
Codex — очень хорошее качество и самостоятельность, особенно для сложных инженерных задач. Основной минус для моего режима — довольно быстро расходуются лимиты. Поэтому оставил его как «тяжёлую артиллерию».
GitHub Copilot неожиданно оказался лучшим именно как повседневный рабочий агент. Он меньше делает лишнего: один раз изучил нужные файлы — и работает. В реальном тесте самостоятельно прошёл цепочку код → deploy → серверная проверка → phpBB ACP → браузерный runtime → обнаружение ошибки → исправление → повторный тест → release ZIP.
Причём обнаружил настоящий runtime-баг, который статической проверкой не находился: phpBB template parser портил JavaScript regex с
. Агент нашёл причину в браузерном тесте, исправил её и затем проверил результат на трёх разных стилях phpBB.
Вывод: локальный AI уже вполне пригоден как помощник-программист, но на машине с 32 GB модели класса 20–35B пока не заменили сильного облачного coding agent. Ограничение оказалось не столько в скорости генерации кода, сколько в надёжности, удержании большого контекста, работе с инструментами и способности честно довести многоступенчатую задачу до конца.
Поэтому моя нынешняя схема: Copilot — основной рабочий кодер, Codex — для особо тяжёлых задач, Cursor — запасной вариант. Локальный зоопарк после экспериментов удалил — заодно освободилось почти 100 GB.
