GPT vs Claude vs DeepSeek на одних задачах: регулярка, рефакторинг, SQL

VerunaAI — Mon, 20 Jul 2026 15:46:56 +0000

На прошлой неделе DeepSeek отказался писать мне регулярку. Не «не смог», а вежливо объяснил, что регулярка тут плохая идея, и предложил цикл. Тогда я поймал себя на том, что уже год сравниваю модели «на глаз»: одна затупила — скопировал промпт в соседнюю вкладку, посмотрел, сделал выводы из ничего. Надоело. Я устроил маленький честный замер: три типовые задачи из моих рабочих будней, буквально один и тот же промпт, три модели.

Про сетап — один абзац, чтобы дальше не отвлекаться. Хотелось убрать переменную «у одной вкладки отвалился VPN, у другой слетела сессия», поэтому гонял всё в одном окне через агрегатор; ссылка будет внизу, здесь она не важна. Важно одно: модель переключается прямо над полем ввода, так что все три участника получали идентичный текст без копипасты между сервисами. Участники: GPT (флагман, GPT-5-класс), Claude, DeepSeek.

Задача 1. Регулярка: split CSV-строки, не ломая кавычки

Промпт: «Напиши JS-регулярку, чтобы разбить строку CSV по запятым, но запятые внутри двойных кавычек разделителями не считать».

Классическая ловушка: наивный split(',') рвёт поле "Иванов, Иван" пополам.

GPT сразу выдал вариант с lookahead:

const parts = row.split(/,(?=(?:[^"]*"[^"]*")*[^"]*$)/);

Работает. Правда, на моём проверочном кейсе с экранированной кавычкой "" внутри поля — уже нет. Но я такого и не просил, засчитываю.

Claude дал ту же регулярку, но с примечанием: lookahead на каждой запятой пробегает хвост строки, на длинных строках это квадратично, для продакшена берите csv-parse. Занудно, но по делу — я однажды именно такую конструкцию ловил на таймауте.

DeepSeek — это тот самый отказ, с которого всё началось. Регулярку писать не стал, предложил цикл с флагом «мы внутри кавычек» — мол, так надёжнее. Формально это даже честнее, но задание было «напиши регулярку», и выдал он её только после уточнения.

Итог раунда: GPT и Claude ровно, Claude на полбалла впереди за предупреждение.

Задача 2. Рефакторинг: функция скидок с вложенными if

Скормил всем слегка анонимизированный кусок из старого проекта:

function getDiscount(user, sum) {
  if (user) {
    if (user.isPremium) {
      if (sum > 10000) { return 0.15; } else { return 0.1; }
    } else {
      if (sum > 10000) {
        if (user.ordersCount > 5) { return 0.07; } else { return 0.05; }
      } else { return 0; }
    }
  }
  return 0;
}

Claude показал лучший результат: early returns, плоская структура, поведение совпало бит-в-бит. Я прогнал оба варианта на восьми кейсах прямо в чате:

function getDiscount(user, sum) {
  if (!user) return 0;
  if (user.isPremium) return sum > 10000 ? 0.15 : 0.1;
  if (sum <= 10000) return 0;
  return user.ordersCount > 5 ? 0.07 : 0.05;
}

GPT написал похоже, но заодно «улучшил» логику: вынес пороги в константы и незаметно превратил > 10000 в >= 10000. Мелочь, а на границе это разные деньги. Тесты поймали, но осадочек остался.

DeepSeek сработал осторожно: упростил меньше, чем мог бы, зато ничего не сломал и оставил комментарии, где менял структуру.

Тут без интриги: Claude первый, DeepSeek второй, GPT минус балл за самодеятельность.

Задача 3. SQL: клиенты с заказами три месяца подряд

Промпт: «PostgreSQL. Таблица orders(user_id, created_at, amount). Найди пользователей, у которых были заказы минимум в трёх календарных месяцах подряд».

Это gaps-and-islands, и здесь расклад перевернулся.

DeepSeek выдал самый чистый вариант с первой попытки:

WITH months AS (
  SELECT DISTINCT user_id, date_trunc('month', created_at) AS m
  FROM orders
),
grp AS (
  SELECT user_id, m,
         m - (DENSE_RANK() OVER (PARTITION BY user_id ORDER BY m))::int
           * INTERVAL '1 month' AS island
  FROM months
)
SELECT DISTINCT user_id
FROM grp
GROUP BY user_id, island
HAVING COUNT(*) >= 3;

Claude решил через LAG и накопительную сумму флагов — корректно, но строк на десять длиннее и с лишним CTE.

GPT в первой версии сравнивал номера месяцев как числа и предсказуемо споткнулся о переход декабрь → январь. После подсказки «а что с границей года?» починил за одну итерацию, но осадочек номер два.

Проверял всё на сгенерированном датасете из ~200 заказов — опять же не выходя из чата, попросив модель самой собрать тестовые данные и прогнать запрос.

Счёт этого раунда короткий: DeepSeek внезапно первый.

Итоговая табличка

Задача	GPT	Claude	DeepSeek
Регулярка	✅ рабочая сразу	✅ + предупреждение о перфе	⚠️ со второй попытки
Рефакторинг	⚠️ тихо изменил поведение	✅ лучший	✅ осторожный
SQL	⚠️ баг на границе года	✅ длинновато	✅ лучший

Что я из этого вынес

Главный вывод даже не про модели. Они плюс-минус сопоставимы, у каждой свой характер (GPT инициативный, Claude дотошный, DeepSeek прагматичный), и через пару месяцев после очередных релизов расклад наверняка поедет.

Вывод про процесс: сравнивать модели имеет смысл только на идентичных промптах и только тогда, когда переключение стоит два клика, а не «открой вкладку, залогинься заново, подними VPN». Обещанная ссылка на сетап: я гонял всё в Veruna. Из её возможностей мне были нужны ровно две — переключатель модели над полем ввода и исполнение кода в чате, чтобы проверять ответы тестами, а не глазами.

Если захотите повторить замер на своих задачах — держите awesome-список нейросетей для РФ: собираем там модели и сервисы, доступные из России, PR с дополнениями приветствуются.