Разрыв между «лучшей» моделью и «достаточно хорошей» теперь составляет 34 раза по цене и примерно 3 процентных пункта по бенчмаркам. Если вы по умолчанию используете самый дорогой API, потому что он возглавляет лидерборд, вы сжигаете деньги — тысячи долларов в месяц ради дельты, которую ваши пользователи никогда не почувствуют. Спор о «лучшей модели» давно перестал быть спором о качестве. Он о том, сделали ли вы математику.
Ваш Slack загорается в 16:47 в пятницу. «Ответы чат-бота странные — мы что-то меняли?» Вы не меняли. OpenAI выпустила обновление модели. Алиас gpt-5.5 теперь указывает на новый снапшот, и ваши тщательно настроенные промпты дают слегка иной вывод. Тем временем у вашего коллеги в Сан-Паулу ограничен доступ к API Claude — Anthropic снова ужесточила региональную доступность. Другой коллега пропагандирует DeepSeek, потому что «это буквально 1/34 цены, и я не вижу разницы».
Каждый провайдер заявляет о победе. У OpenAI экосистема. У Anthropic корона SWE-bench. У Google история цена-производительность. У DeepSeek есть и цена, и бенчмарки, заставляющие задаться вопросом, почему вы платите $30 за миллион токенов где-то ещё. Вы не можете протестировать их все сами. Мы сделали.
Эта статья — не сравнение продуктов. Это сравнение разработчика API — те же промпты, те же задачи, реальный код, реальные числа задержки. К концу вы будете знать, какую модель использовать для какой задачи и как построить стек, где каждый провайдер делает то, что умеет лучше всего.
Примечание: эта статья фокусируется на полноразмерном сравнении API — бенчмарки, реальные тесты кода, задержка, экосистема и опыт разработчика. Для анализа ценности «цена-производительность» (эффективность затрат, региональная доступность, платежные барьеры) читайте нашу сопутствующую статью: сравнение с фокусом на ценность.
Цифры: характеристики, цены и бенчмарки
Перед тестами кода — цифры. Вот как четыре флагмана сравниваются на бумаге по состоянию на июль 2026 года.
| Характеристика | GPT-5.5 | Claude Opus 4.8 | Gemini 3.1 Pro | DeepSeek V4 Pro |
|---|---|---|---|---|
| Вход $/1M токенов | $5.00 | $5.00 | $2.00 | $0.435 |
| Выход $/1M токенов | $30.00 | $25.00 | $12.00 | $0.87 |
| Контекстное окно | 1M | 1M | 1M (2M предпросмотр) | 1M |
| Макс. выходных токенов | 128K | 32K | 64K | 32K |
| RPM (оплата по мере использования) | 3,000 | 2,000 | 1,500 | ~1,000 |
| Дата среза данных обучения | Начало 2026 | Начало 2026 | Начало 2026 | Начало 2026 |
Лидерборд бенчмарков (июль 2026):
| Бенчмарк | GPT-5.5 | Claude Opus 4.8 | Gemini 3.1 Pro | DeepSeek V4 Pro |
|---|---|---|---|---|
| SWE-bench Verified | 88.7% | 88.6% | 80.6% | ~85%* |
| MMLU-Pro | ~89 | ~89 | ~86 | ~87 |
| HumanEval (coding) | ~93% | ~93% | ~90% | ~92% |
| GPQA Diamond | ~88 | ~89 | ~83 | ~85 |
| LMArena ELO | ~1420 | ~1410 | ~1370 | ~1380 |
*Оценка на основе сообщений сообщества; DeepSeek не публиковал официальные баллы SWE-bench Verified для V4 Pro по состоянию на июль 2026 года.
GPT-5.5 и Claude Opus 4.8 статистически равны по бенчмаркам кода и рассуждения. Разница в 0,1 процентного пункта на SWE-bench — в пределах шума измерений. На LMSYS Chatbot Arena — крупнейшей краудсорсинговой оценке LLM — GPT-5.5 держит небольшое преимущество по ELO (~1420 против ~1410), хотя разрыв колеблется еженедельно. Gemini 3.1 Pro отстаёт на 6–8 пунктов по коду, но лидирует по мультимодальным бенчмаркам.
Задержка и пропускная способность (медиана с Восточного побережья США, июль 2026):
| Показатель | GPT-5.5 | Claude Opus 4.8 | Gemini 3.1 Pro | DeepSeek V4 Pro |
|---|---|---|---|---|
| TTFT (время до первого токена) | 0.4s | 0.8s | 0.5s | 0.6s |
| Токенов/сек (выход) | 255 | 116 | 210 | 180 |
| p95 задержка (полный ответ) | 4.2s | 8.1s | 4.8s | 5.3s |
Claude Opus 4.8 — самый медленный из четырёх — примерно в 2 раза медленнее GPT-5.5 по токенам в секунду. Это важно, если вы строите чат в реальном времени. Разница пользовательского опыта между 0,4с и 0,8с до первого токена ощутима. Для пакетных или асинхронных нагрузок разрыв в задержке несущественен.
Генерация кода: те же промпты, четыре API
Бенчмарки говорят, как модели работают на курируемых датасетах. Они не говорят, как модели справляются с кодом, который вы реально пишете. Мы запустили три теста с идентичными промптами на всех четырёх API. Вот что произошло.
Тест 1: построить REST-endpoint
Промпт: «Построй REST API endpoint на Express.js с rate limiting. Включи валидацию запросов, правильную обработку ошибок и TypeScript-типы. Используй in-memory хранилище для rate limiting. Сделай готовым к продакшну.»
GPT-5.5: Сгенерировал полную, готовую к продакшну реализацию за один заход. Включил: express-rate-limit с in-memory хранилищем, валидацию Joi с типизированным телом запроса, структурированные ответы об ошибках с кодами, TypeScript-интерфейсы для всего и endpoint health check. 78 строк. Ноль ошибок линтинга. Конфигурация rate limiting включала комментарии, объясняющие компромиссы (размер окна против использования памяти). Это вывод, который вы ожидаете от старшего инженера, уже строившего такое.
Claude Opus 4.8: Сгенерировал столь же полную реализацию — 82 строки — но с лучшими архитектурными решениями. Он вынес rate limiter в отдельный модуль middleware с фабричной функцией, что делает его тривиально тестируемым. Обработка ошибок использовала паттерн discriminated union ({success: false, error: {code, message}}) вместо только HTTP-статус-кодов — паттерн, который нужен, когда ваш API потребляют и веб-, и мобильные клиенты. Opus продумал архитектуру на один шаг глубже, чем GPT-5.5.
Gemini 3.1 Pro: Сгенерировал рабочую реализацию, но с меньшей полировкой. 65 строк. Правильно использовал express-rate-limit, но упустил TypeScript-дженерик для типизации тела запроса. Ответы об ошибках были несогласованными — одни возвращали {error: string}, другие {message: string}. Функционально, но перед мержем потребовало бы ревью кода.
DeepSeek V4 Pro: Сгенерировал 71 строку. Функционально корректен, TypeScript-типы на месте, валидация работает. Конфигурация rate limiting проще, чем у GPT-5.5 — без комментариев о компромиссах, просто рабочие дефолты. Обработка ошибок чистая, но базовая. Для реального продакшн-endpoint вы бы добавили архитектурные паттерны, предложенные Claude Opus. Но для «мне нужно, чтобы это работало в ближайшие 10 минут» DeepSeek справился.
Тест 2: отладить состояние гонки
Промпт: «Вот асинхронная Python-функция, обрабатывающая заказы пользователей. В ней состояние гонки. Найди и исправь.» (Затем 45 строк асинхронного Python с тонким багом порядка await в записи в базу.)
Claude Opus 4.8: Определил состояние гонки за 3 секунды. Объяснение было хирургическим: «Вы читаете количество на строке 23, затем пишете на строке 31. Между этими двумя строками другой параллельный запрос может прочитать то же количество. Это классическая гонка read-modify-write.» Предложил SELECT ... FOR UPDATE как исправление, с полным примером кода, обрабатывающим крайний случай отката транзакции. Также отметил: «Если вы используете PostgreSQL, FOR UPDATE создаёт блокировку уровня строки. Если MySQL с нетранзакционным движком, нужен GET_LOCK() вместо этого.» Этот последний бит — советы по БД конкретного провайдера — то, за что вы платите с Opus.
GPT-5.5: Также корректно определил состояние гонки. Предложил тот же паттерн SELECT ... FOR UPDATE. Объяснение было ясным, но менее детальным — не упомянул альтернативу MySQL или крайний случай отката транзакции. Достаточно хорошо для старшего разработчика, уже знающего блокировки БД. Менее полезно для разработчика среднего уровня, впервые столкнувшегося с состоянием гонки.
DeepSeek V4 Pro: Корректно определил состояние гонки и предложил SELECT ... FOR UPDATE. Объяснение точное, но краткое — три предложения. Исправление верное. Крайние случаи не обсуждались. Для разработчика, которому нужен просто ответ: вполне адекватно. Для разработчика, которому нужно понять почему: менее полезно, чем Claude или GPT-5.5.
Gemini 3.1 Pro: Определил, что есть проблема параллелизма, но предложил блокировку уровня приложения (asyncio.Lock()) вместо блокировки уровня БД. Это сработало бы для однопроцессного развёртывания, но тихо бы провалилось в многопроцессной или мультисерверной настройке. Технически не ошибочно для непосредственного случая, но не правильное продакшн-исправление. Упустил архитектурное следствие.
Тест 3: ревью кода с фокусом на безопасность
Промпт: «Проверь этот PR на уязвимости безопасности.» (Затем 120 строк Node.js API-обработчика с: неочищенным пользовательским вводом в SQL-запросе, хардкод-секретом JWT, отсутствием защиты CSRF и чрезмерно разрешающей конфигурацией CORS.)
Claude Opus 4.8: Нашёл все четыре уязвимости. Ранжировал по серьёзности: SQL-инъекция (критическая) — хардкод-секрет (высокая) — ошибка конфигурации CORS (средняя) — отсутствие CSRF (средняя). Дал конкретные исправления для каждой. Для SQL-инъекции предоставил и параметризованный запрос, и объяснение, почему строковая интерполяция с пользовательским вводом опасна, даже когда «вы доверяете источнику». Это ревью, которое вы хотите перед мержем в продакшн.
GPT-5.5: Нашёл три из четырёх уязвимостей. Упустил чрезмерно разрешающую конфигурацию CORS (Access-Control-Allow-Origin: * с credentials: true — комбинация, которую браузеры отклоняют, но которая сигнализирует о непонимании CORS, вероятно проявляющемся в других местах кодовой базы). Найденные три были корректно диагностированы с хорошими исправлениями. Чуть менее тщателен, чем Claude, на этой задаче.
DeepSeek V4 Pro: Нашёл три из четырёх уязвимостей — тот же набор, что GPT-5.5. Исправление SQL-инъекции верное. Хардкод-секрет был отмечен с рекомендацией использовать переменные окружения. Меньше объяснительной глубины, чем Claude или GPT-5.5, но находки были применимыми.
Gemini 3.1 Pro: Нашёл две уязвимости: SQL-инъекцию и хардкод-секрет. Упустил CORS и CSRF. Для SQL-инъекции предложил очистку ввода вместо параметризованных запросов — распространённый, но менее надёжный подход. Наименее тщателен из четырёх в ревью безопасности. Для продакшн-приложений относитесь к LLM-ревью кода как к первому проходу — не замене структурированного ревью безопасности и автоматического SAST-сканирования в вашем CI-конвейере.
Вердикт по коду: Claude Opus 4.8 побеждает по глубине и архитектурному пониманию. GPT-5.5 побеждает по широте и продакшн-полировке. DeepSeek V4 Pro даёт 90–95% качества при 1/29 стоимости выхода. Gemini 3.1 Pro хорош для простых задач кода, но не должен быть вашей основной моделью для ревью или отладки.
За пределами кода: где побеждает каждый API
Код привлекает внимание. Но большинство приложений используют LLM не только для генерации кода. Вот где каждый провайдер превосходит остальных вне IDE.
Мультимодальность и зрение: Google Gemini 3.1 Pro — единственная модель в этом сравнении с нативным мультимодальным входом — видео, аудио и изображения обрабатываются одним вызовом API. GPT-5.5 поддерживает ввод изображений. Claude Opus 4.8 поддерживает ввод изображений. Ни один не поддерживает видео или аудио нативно через API. Если ваше приложение обрабатывает записи встреч, анализирует фотографии продуктов или извлекает информацию из PDF с встроенными диаграммами, Gemini — очевидный выбор. Его окно контекста на 2M токенов (в предпросмотре) также означает, что вы можете обработать транскрипт полнометражного фильма за один запрос.
Длинное письмо и анализ: GPT-5.5 производит более разнообразную, стилистически гибкую прозу, чем Claude Opus — который склоняется к тщательному, но слегка формальному выводу. Для маркетинговых текстов, творческого письма и контента, где важен «голос», GPT-5.5 имеет преимущество. Для технической документации и аналитических отчётов, где точность и структура важнее стиля, сильнее Claude Opus. Это субъективно, но было последовательным во всех наших тестах письма: дайте обеим моделям один план — вывод GPT-5.5 звучит естественнее; вывод Claude звучит так, будто его написал очень компетентный технический писатель.
Следование инструкциям и безопасность: Claude Opus 4.8 следует сложным много-ограничительным инструкциям надёжнее остальных трёх. Если ваш промпт говорит «используй маркированные списки, держи каждую запись короче 30 слов, никогда не используй слово “использовать”, форматируй валюту как USD с двумя десятичными знаками», Claude выполнит все четыре ограничения. GPT-5.5 выполнит три и пропустит одно. Это важно для юридических документов, медицинских сводок и любого вывода, где пропущенное ограничение имеет реальные последствия. Конституционное ИИ-обучение Anthropic ставит следование инструкциям как основную цель, и это проявляется в продакшне.
Эффективность затрат: DeepSeek V4 Pro стоит 1/34 того, что GPT-5.5 стоит на выходе. Для высокообъёмной текстовой обработки — классификации, извлечения, суммаризации, перевода — нет основанного на качестве оправдания платить в 34 раза больше. Балл HumanEval DeepSeek (92%) в пределах 1 процентного пункта от GPT-5.5 (~93%). Разрыв качества, где он существует, — в глубине архитектурного рассуждения и обработке крайних случаев — не в «может ли эта модель написать корректную Python-функцию». Для команд, работающих в масштабе, выбор модели — шаг первый; всеобъемлющий плейбук экономии вроде семантического кэширования, сжатия промптов и пакетной обработки сокращает оставшиеся расходы ещё на 90%.
Фактор экосистемы: SDK, документация и сообщество
Балл модели по бенчмарку имеет значение, только если вы реально можете использовать её в продакшне. Качество экосистемы — скрытая переменная, определяющая, выйдет ли ваша команда за две недели или за два месяца.
OpenAI: Неоспоримый лидер экосистемы. Каждый SDK, каждый фреймворк, каждый туториал начинается с поддержки OpenAI. Python SDK отполирован, хорошо документирован и обрабатывает стриминг, function calling и структурированные выходы первоклассными API. Node.js SDK столь же зрел. Документация качества Stripe — чистая, удобная для поиска, с рабочими примерами кода. Компромисс: доступ к API-ключу ограничен в неподдерживаемых регионах, а обработка платежей Stripe отклоняет карты из многих стран за пределами США/ЕС. Если у вас есть доступ, опыт разработчика — лучший в отрасли. Если нет — вы заблокированы из всей экосистемы.
Anthropic: Экосистема Claude меньше, но глубже в конкретных областях. Claude Code — сильнейший CLI-агент для кода. Нативный протокол Anthropic (Messages API, блоки мышления, computer use) включает возможности, не переживающие совместимый с OpenAI перевод. Документация отличная — документация разработчика Anthropic и руководство по системным промптам — одни из лучших доступных материалов по ИИ. Компромисс: агрессивная гео-блокировка, более медленный инференс и меньшая экосистема сторонних интеграций. Если вы в поддерживаемом регионе и строите рабочие процессы кода или агентов, экосистема — сила. Если вы заблокированы — это самый труднодоступный провайдер. Агрегационные платформы с нативной поддержкой протокола Anthropic решают проблему доступа — вы получаете полный набор функций Claude через один endpoint независимо от вашего местоположения.
Google: Экосистема Gemini — самая шизофреническая. Google AI Studio предоставляет лучший бесплатный тариф в отрасли (1,500 запросов/день, без кредитной карты, контекст 1M). Vertex AI предоставляет корпоративный путь с SOC 2, HIPAA и VPC-развёртыванием. Но документация фрагментирована по нескольким сайтам (ai.google.dev, cloud.google.com, документация Gemini API), SDK имеют разные наборы функций в зависимости от пути (AI Studio против Vertex), а соглашение об именах моделей часто меняется. Фундамент силён — инфраструктура Google и мультимодальные возможности лучшие в классе — но опыт разработчика всё ещё ощущается как множество команд, строящих параллельно.
DeepSeek: API совместим с OpenAI — вы можете использовать OpenAI SDK, просто изменив base_url. Цены — $0.14/M вход, $0.28/M выход для DeepSeek V4 Flash — заставили всех остальных провайдеров пересмотреть свою ценовую стратегию в 2026 году. Модели действительно конкурентоспособны. Но экосистема в первую очередь китайская: документация в основном на китайском, регистрация для прямого доступа требует китайского номера телефона, а англоязычные ресурсы сообщества скудны. Для международных разработчиков агрегационная платформа фактически обязательна для надёжного доступа с англоязычной поддержкой, документацией и международными способами оплаты. После подключения API работает точно как OpenAI — нулевая кривая обучения.
Матрица решений по задачам
Вместо «какой лучше» — что полностью зависит от того, что вы строите — вот какую модель использовать для 12 распространённых задач.
| Задача | Лучший | Запасной вариант | Причина |
|---|---|---|---|
| Сложная отладка | Claude Opus 4.8 | GPT-5.5 | Глубокое архитектурное понимание, замечает крайние случаи |
| Продакшен-генерация кода | GPT-5.5 | Claude Opus 4.8 | Более отточенный вывод, полные реализации |
| Ревью кода (безопасность) | Claude Opus 4.8 | GPT-5.5 | Обнаружил все 4 уязвимости в нашем тесте против 3 у GPT |
| Агентные рабочие процессы | GPT-5.5 | Claude Opus 4.8 | Лучший параллельный вызов инструментов, самое надёжное выполнение |
| Мультимодальность (видео/аудио/изображения) | Gemini 3.1 Pro | GPT-5.5 | Единственная модель с нативным видео+аудио |
| Анализ длинных документов (>500K токенов) | Gemini 3.1 Pro | GPT-5.5 | Окно контекста 2M, самый дешёвый за токен на длинных документах |
| Высокообъёмная текстовая обработка | DeepSeek V4 Pro | Gemini 3.1 Flash | 1/34 стоимости GPT-5.5, 92% HumanEval |
| Многоязычность (не английский) | DeepSeek V4 Pro | Qwen3.7 Max | Сильнее в C-Eval, японском, корейском, арабском |
| Креативные/маркетинговые тексты | GPT-5.5 | Claude Opus 4.8 | Более естественная проза, больший стилистический диапазон |
| Юридические/медицинские документы | Claude Opus 4.8 | GPT-5.5 | Самое сильное следование инструкциям, меньше всего пропущенных ограничений |
| Прототипирование (нулевой бюджет) | Gemini 2.5 Flash (free) | Groq free tier | Лучший бесплатный тариф, 1,500 запросов/день |
| Региональная доступность | Через агрегацию | — | Один endpoint для всех моделей |
Оптимальный многопровайдерский стек для команды, строящей продакшн-приложение в 2026 году: Gemini Flash обрабатывает объём (дёшево, быстро, мультимодально при необходимости) — DeepSeek V4 Pro обрабатывает код и общее рассуждение (90% ваших запросов) — Claude Opus обрабатывает сложную отладку и ревью кода (те 5%, что нуждаются в архитектурной глубине) — GPT-5.5 обрабатывает агентные рабочие процессы (те 5%, что нуждаются в надёжном многошаговом выполнении инструментов). Общая стоимость: примерно на 70% меньше, чем «все запросы к GPT-5.5». Качество: неотличимо от полностью фронтирного для конечных пользователей. Правильная маршрутизация — то, где большинство команд спотыкается; наша архитектура мультимодельных приложений покрывает логику маршрутизации, цепочки резервирования и паттерны абстракции провайдера, которые держат мультимодельный стек надёжным под продакшн-нагрузкой.
FAQ
Какой API лучше всего для кода?
Claude Opus 4.8 и GPT-5.5 статистически равны по SWE-bench (88.6% против 88.7%). Claude побеждает по архитектурной глубине и крайним случаям; GPT-5.5 побеждает по продакшн-полировке и полноте. Для команд с бюджетом: DeepSeek V4 Pro при 1/29 стоимости выхода соответствует ~92% их возможностей кода. Полное сравнение в разделе тестов кода выше.
Могу ли я использовать один и тот же код для всех четырёх API?
Да — если используете совместимый с OpenAI endpoint. GPT-5.5 и DeepSeek V4 Pro нативно совместимы с OpenAI. Gemini 3.1 Pro предлагает режим, совместимый с OpenAI. Claude Opus 4.8 требует нативный протокол Anthropic для расширенного мышления, использования инструментов и кэширования промптов. Если вы используете совместимый с OpenAI шлюз для Claude, вы теряете эти функции. Агрегационные платформы с нативной поддержкой протокола Anthropic дают лучшее из обоих миров. Если вы интегрируетесь впервые, быстрый старт TokSpan проведёт вас от нуля до первого вызова API менее чем за две минуты.
Какой API самый дешёвый без потери качества?
DeepSeek V4 Pro: ~85% SWE-bench при $0.87/M на выходе — 1/29 цены Claude Opus. MiniMax M3: 80.5% SWE-bench при $2.40/M на выходе — самая дешёвая модель в «клубе 80%+ SWE-bench». Математика ценности сурова: DeepSeek V4 Pro даёт 98 пунктов SWE-bench на доллар против 3.5 у Claude Opus. Полный разбор по более чем 180 моделям смотрите в нашем полном рейтинге качества за доллар.
Почему разработчики всё ещё используют OpenAI, если это самый дорогой вариант?
Экосистема. Каждый туториал, каждый SDK, каждая интеграция фреймворка выходит с поддержкой OpenAI первой. Стоимость миграции — переписывание промптов, повторное тестирование выводов, обновление зависимостей — реальна и нетривиальна. Function calling OpenAI всё ещё самое надёжное в отрасли. Для многих команд преимущество экосистемы оправдывает ценовую премию. Для других экономия 90% от перехода на DeepSeek для некритичных нагрузок перевешивает удобство экосистемы. Большинство команд должны делать и то, и другое: держать OpenAI для агентных рабочих процессов, всё остальное маршрутизировать на более дешёвые модели.
Конкурентоспособен ли Google Gemini сейчас?
Да. Gemini 3.1 Pro лидирует по мультимодальности и длинному контексту, имеет лучший бесплатный тариф в отрасли и стоит в 2.5 раза меньше GPT-5.5 на выходе. Его балл SWE-bench (80.6%) отстаёт от GPT-5.5 и Claude на 6–8 пунктов, но для некодовых задач — анализа документов, генерации контента, мультимодальной обработки — разрыв качества меньше, чем предполагает разрыв цен. Если ваша нагрузка мультимодальна или длинноконтекстна, Gemini часто лучший выбор независимо от цены.
Старый спор — «какая модель лучшая?» — стал неправильным вопросом. В 2026 году выбрать одного провайдера — это как выбрать один язык программирования и отказаться от всего остального: оправдано в вакууме, неустойчиво в продакшне.
Доказательства из бенчмарков, тестов кода и продакшн-данных указывают на один вывод. Claude Opus набирает выше всех по сложному рассуждению. GPT-5.5 имеет сильнейшую экосистему, но берёт за неё премию. DeepSeek даёт 90–95% фронтирного качества при 1/29 стоимости выхода Claude Opus. Gemini лидирует по мультимодальности и длинному контексту. Ни один не побеждает везде — и в этом суть.
Команды, выходящие быстрее всех через год, не будут теми, у кого сильнейшая приверженность бренду. Они будут теми, кто относится к выбору модели как к конфигурационной ручке, а не архитектурному обязательству — и кто понимает, что настоящее конкурентное преимущество не в выбранной модели. Оно в слое маршрутизации, позволяющем вам перестать выбирать.
Начните со слоя маршрутизации. Один endpoint. Все четыре API. Выбор модели как решение времени выполнения, а не контракт с вендором. Каждый бенчмарк и тест кода в этой статье использовал один и тот же паттерн интеграции. Ваш первый мультимодельный вызов API настраивается быстрее, чем вы читали этот абзац.
Руководство по настройке покрывает нативную поддержку протоколов OpenAI, Anthropic и Gemini через унифицированный endpoint — без аккаунтов на провайдера, без гео-ограничений, и каждая модель из этого сравнения доступна откуда угодно.