В июле 2026 года разработчик-энтузиаст опубликовал обновлённое сравнение популярных бесплатных ИИ-моделей, оценив их способность создать ремейк культовой игры Battle City 1985 года в одном HTML-файле без внешних зависимостей. Эксперимент проводился строго в одинаковых условиях: использовался только один промпт на английском языке, модели работали в режиме по умолчанию без дополнительных настроек, а запрос отправлялся первым за сутки, чтобы избежать ограничений дневных лимитов. Как и полгода назад, тестировались ChatGPT, Gemini, DeepSeek, Алиса от Яндекса, ГигаЧат от Сбера, а также новые участники — Claude, Qwen от Alibaba и Grok от Илона Маска. Вне конкурса был проверен Copilot Pro в редакторе VS Code, но из-за платной подписки его результаты не вошли в основной рейтинг.

Результаты показали значительный разброс качества: на седьмом месте снова оказалась Алиса AI, которая не смогла завершить код — HTML-файл оборвался на середине JavaScript-блока, а кнопка «Продолжить» отсутствовала, что свидетельствует об отсутствии прогресса по сравнению с предыдущим тестом. Шестое место занял ГигаЧат: файл был целым, но на экране отображались только джойстик и кнопка «Fire», причём играть было невозможно, хотя джойстик двигался. Пятое место разделили Gemini и Qwen — обе модели сгенерировали лишь чёрный экран с кнопками и главное меню с опцией START GAME, но сама игра отсутствовала; при этом у Gemini наблюдался явный даунгрейд по сравнению с полугодовой давностью, вероятно из-за урезания бесплатной версии. Четвёртое место досталось DeepSeek: игра выглядела красиво, танк стрелял и разрушал кирпичи, но не двигался, что подчеркнуло смещение акцента на дизайн в ущерб играбельности.

Тройку лидеров открыл ChatGPT, занявший третье место: его версия была играбельной, но визуально очень простой, примерно на том же уровне, что и полгода назад — как будто студент выполнил задание на минималках. Второе место неожиданно занял Grok, новый участник рейтинга: он создал полностью играбельную версию с приятной графикой, где танк передвигался, стрелял, уничтожал врагов, а кирпичи разрушались, в то время как бетон оставался неповреждённым. Победителем стал Claude, который оправдал свою репутацию главного ньюсмейкера года в мире ИИ: его игра оказалась наиболее полной и проработанной — с несколькими уровнями, противниками и разнообразными элементами карты, включая базу, разрушаемые кирпичи, неразрушаемый бетон, деревья и воду. Участник вне конкурса Copilot Pro в VS Code показал результат на уровне DeepSeek: игра выглядела неплохо, но танк не ездил, а враги отсутствовали, что сделало её неиграбельной.

Контекст эксперимента важен для понимания динамики развития ИИ-моделей: за полгода, прошедшие с первого сравнения, индустрия искусственного интеллекта претерпела значительные изменения. Claude от Anthropic стал одним из главных ньюсмейкеров, активно конкурируя с ChatGPT от OpenAI, который сохраняет лидерство по популярности, но в данном тесте уступил по качеству генерации кода. Grok от xAI Илона Маска, ранее не пользовавшийся особой популярностью, неожиданно продемонстрировал высокий результат, что может свидетельствовать о прогрессе в обучении модели. Российские модели Алиса и ГигаЧат, несмотря на их широкую распространённость в стране (особенно Алиса в умных колонках), показали худшие результаты без заметного улучшения, что вызывает вопросы о приоритетах их разработки в области программирования. Интересно, что при попытке ввести промпт на русском языке результаты не отличались от английского, что говорит о едином подходе к обработке запросов.

Для российского рынка результаты сравнения имеют особое значение: несмотря на популярность DeepSeek и Qwen среди пользователей из РФ (первая не требует VPN, вторая активно набирает аудиторию), их возможности в генерации работоспособного кода оказались ограниченными. DeepSeek, занявший четвёртое место, продемонстрировал упор на визуальную эстетику, но провалил ключевую механику игры — движение танка, что снижает практическую ценность для разработчиков. Qwen, новый игрок от Alibaba, показал результат на уровне Gemini, что указывает на схожие ограничения бесплатных версий китайских моделей. В то же время Claude и Grok, которые менее популярны в России из-за необходимости VPN или меньшей маркетинговой активности, превзошли ожидания, что может подтолкнуть местных разработчиков к их более активному использованию. Отсутствие прогресса у Алисы и ГигаЧата, которые являются флагманскими продуктами Яндекса и Сбера, ставит под сомнение их конкурентоспособность в сегменте генерации кода, хотя они остаются востребованными для других задач, таких как голосовые ассистенты и текстовые диалоги.

Перспективы дальнейших экспериментов остаются открытыми: автор планирует повторить сравнение через полгода, что позволит отследить динамику развития моделей. Основные вопросы касаются того, смогут ли российские модели преодолеть отставание, улучшит ли ChatGPT свои позиции в ответ на конкуренцию со стороны Claude, и сохранит ли Grok свою эффективность при повторном тестировании. Также интересно, как скажется на результатах возможное введение платных подписок или ограничений для бесплатных версий, как это произошло с Gemini. Для сообщества разработчиков этот эксперимент служит практическим ориентиром при выборе ИИ-инструментов для быстрого прототипирования игр и веб-приложений, особенно в условиях, когда доступ к платным подпискам ограничен. Пока что Claude демонстрирует наилучшее сочетание играбельности и визуального качества, но учитывая темпы развития ИИ, лидерство может измениться уже в ближайшие месяцы.