Разборы · Статья: · Видео: · 34:47
Больше агентов не значит лучше: стресс-тест свежего Claude и ловушка Ultra Code
Блогер Prompt Potato прогоняет новую версию Claude (в ролике — «Fable 5») через клон Minecraft, 3D-демо, мини-игры и целый клон GTA в браузере. Главный урок — самый «тяжёлый» режим Ultra Code дал худший результат за огромные токены, а простые режимы выдали отличное качество почти даром.
Смотреть на YouTube CLAUDE FABLE 5 IS BACK!! Is it still a freak?
Prompt Potato · 34:47
Главы видео — нажми, чтобы перейти к моменту 9
- 0:00 Вернулся Fable 5: не нерфнули ли его Автор в восторге от новой модели Claude и ставит цель проверить, не ослабили ли её после запуска.
- 0:17 Minecraft на Ultra Code: 52 агента, 2,4 млн токенов Клон Minecraft запускается в тяжёлом режиме Ultra Code — 42 минуты, 43% пятичасовой сессии, 17% недельного лимита.
- 1:12 Разочарование в Voxelcraft Мир вышел пустым и туманным: один удар ломает блок, нет цикла дня и ночи, нет пещер. Первое подозрение на «нерф».
- 4:29 3D-демо на High: чёрная дыра, острова, лава Singularity, парящие острова и magma bloom — потрясающие интерактивные сцены за 3–13 тыс. токенов. Модель снова «та самая».
- 11:50 Оригинальные игры: провал и хит Расплывчатый промпт дал скучный «moon pull»; просьба «сделай лучшую игру» родила увлекательный Void Well.
- 18:12 3D-модели двумя инстансами параллельно Tide Walker и Aurora Automaton собираются одновременно в двух сессиях на Extra — детализированные модели с анимациями почти без расхода лимита.
- 20:04 Ключевой вывод: не используй Ultra Code На High/Extra токенов и лимита тратится в разы меньше при лучшем результате; гипотеза — Ultra Code губит качество из-за орды субагентов.
- 23:27 Приложение стоимости: ролик стоил бы $170 Собранный за 15 минут трекер показывает: через API видео обошлось бы в ~$170, и львиная доля — на тот самый провальный Minecraft.
- 24:04 GTA6 на Max и финальный вердикт The Meridian Job: 2 часа, 5300 строк, 85 тыс. токенов — впечатляюще, но с багами. Итог: модель всё ещё топ, просто не Ultra Code.
Коротко
Автор пугается, что новую модель Claude «нерфнули», но виноват был не ИИ, а режим Ultra Code, который крутит десятки субагентов и сжёг 2,4 млн токенов ради худшего клона Minecraft. На High/Extra/Max та же модель одним запросом делает потрясающие 3D-демо и игры за 3–85 тысяч токенов — вывод: выбирай режим и формулируй промпт, а не гонись за максимальной мощностью.
Выжимка голосом
Самое ценное из разбора — за пару минут
Показать текст выжимки Скрыть текст выжимки
Озвучено синтезом речи · голос alena
Объясни проще
Суть без жаргона
Простыми словами
Блогер прогоняет свежую версию Claude (в ролике её зовут «Fable 5») через набор задач: клон Minecraft, интерактивные 3D-демонстрации, мини-игры, 3D-модели и клон GTA целиком в браузере. Главное открытие — самый «мощный» режим Ultra Code дал худший результат за огромные деньги и токены, а более простые режимы High, Extra и Max выдали отличное качество почти даром.
Как ребёнку
Представь робота-строителя, которому можно сказать: «построй мне игру». Если позвать сразу пятьдесят роботов-помощников (это режим Ultra Code), они мешают друг другу, тратят кучу сил и строят хуже и дороже. А когда работает один толковый робот, получается красивее и быстрее.
Аналогия — «это как…»
Это как готовить яичницу впятером: пять поваров на одну сковородку не значит вкуснее — они толкаются у плиты, переводят продукты и портят блюдо. Иногда один спокойный повар делает лучше всей бригады.
Зачем это мне
Многие платят за AI-подписки и жгут лимиты в уверенности, что «максимальный режим = лучший результат». Ролик наглядно показывает обратное: выбор режима и формулировка промпта влияют на качество и стоимость сильнее, чем сам факт «самой мощной» настройки.
Для тех, кто в теме
Эмпирический сигнал: effort-режим с тяжёлой субагентной оркестрацией («Ultra Code», ~52 агента) на задаче генеративного клона деградировал по качеству при ~2,4 млн токенов, тогда как одиночные прогоны High/Extra/Max давали лучший one-shot за 3–85 тыс. токенов. Наблюдение без контроля и A/B, но указывает на нелинейную отдачу от глубины оркестрации и на то, что явная планка качества в промпте («сделай лучшую версию») заметно двигает результат.
Оценка видео
Чем выше — тем больше пользы на минуту
средняя из 5
Свежий стресс-тест только что обновлённой модели Claude — горячая тема для всех, кто вайб-кодит.
Много эмоциональных реакций «wow», но сквозь них проходит один реально ценный вывод про режимы и токены.
Наблюдение «больше агентов не значит лучше» любопытно, но метод — чистое «на глазок», без контроля.
Даёт конкретный рабочий совет: начинать с High, а не с максимального режима, и следить за расходом.
«Нерф» не доказан, сравнение с прошлым разом по памяти, цифры токенов называются приблизительно.
Кому будет полезно
Чем выше оценка — тем больше пользы для профессии. Разверни — почему.
Для вайб-кодеров и создателей игр на LLM 4.6 /5
Прямое попадание: показывает, как выбор effort-режима меняет качество и расход, и что «сделай лучшую версию» реально улучшает результат.
Для creative-разработчиков на three.js 3.9 /5
Наглядные примеры, что одним промптом получаются рабочие 3D-сцены с частицами, шейдерами и анимацией в одном HTML-файле.
Для инди-геймдизайнеров 3.7 /5
Быстрое прототипирование механик: Void Well и chroma bloom показывают, как за минуты проверить игровую идею.
Для YouTube-блогеров про ИИ 3.5 /5
Готовый воспроизводимый формат контента: просить модель предложить идеи, выбирать эффектную и собирать демо на камеру.
Для тимлидов и продактов на AI-подписках 3.4 /5
Урок про стоимость: приложение считает, что ролик стоил бы $170, и большая часть — на один неудачный прогон. Повод пересмотреть, за что реально платятся токены.
Для преподавателей информатики 3 /5
Интерактивные демо вроде чёрной дыры показывают потенциал ИИ для учебных визуализаций, но требуют доработки под урок.
Инсайты
Нажми, чтобы раскрыть — то, что меняет взгляд на тему
01 Больше агентов и токенов не значит лучше 5:44
Ultra Code с ~52 субагентами и 2,4 млн токенов дал самый слабый результат ролика — пустой Minecraft. Те же задачи на High за 13 тыс. токенов выходили ярче. Отдача от «мощности» оказалась не просто нелинейной, а отрицательной.
02 Ощущение «нерфа» — часто про режим, а не про модель 20:04
Автор почти обвинил саму модель, что её ослабили. Но виноват был выбор Ultra Code: переключение на High вернуло то самое качество. Прежде чем винить ИИ, стоит проверить собственные настройки.
03 Параллельные инстансы — недооценённый множитель 18:12
Запуск двух сессий Claude бок о бок на две независимые 3D-модели удвоил выработку почти без роста расхода. «Не понимаю, почему не делал так раньше» — типичная реакция на очевидное в ретроспективе решение.
04 Явная планка качества двигает результат 12:46
Один и тот же запрос «сделай оригинальную игру» дал скучный moon pull; добавка «сделай лучшую игру, на которую способен» родила увлекательный Void Well. Модель отзывчива на прямо заданный уровень амбиции.
05 Стоимость правки концентрируется в одном плохом прогоне 23:27
Из ~$170 за весь ролик львиная доля пришлась на единственный провальный Minecraft на Ultra Code. Один неудачный тяжёлый запуск может стоить дороже, чем все удачные лёгкие вместе взятые.
Ключевые цитаты
Сильные фразы из видео — нажми тайм-код, чтобы услышать в оригинале
«Они что, нерфнули моего парня?»
«Может, вывод такой: просто не используй теперь Ultra Code.»
«Вот так и надо преподавать в школе.»
«Расход и количество токенов настолько меньше. Это безумие. И при этом мы получаем реально хорошие результаты.»
«Может, проблема Ultra Code в том, что он использует кучу разных ИИ-агентов, а на High это, возможно, только сам Fable 5.»
«Если всё точно, этот ролик стоил бы 170 долларов.»
«За два с лишним часа, 5300 строк кода и почему-то всего 85 тысяч токенов — у нас есть The Meridian Job.»
«Итоговый вердикт: Fable 5, возможно, не совсем такой, каким был на старте, но он по-прежнему невероятен.»
Полезные советы
Что можно применить уже сегодня. Разверни совет — сколько займёт, что даст и что конкретно делать
1 Начинай с High, а не с максимального режима
1 минута лучше результат и в разы меньше расход токенов
Начинай с High, а не с максимального режима
Автор эмпирически выяснил, что тяжёлый Ultra Code давал худший результат за огромные токены, а High/Extra — отличный за копейки. Максимальный режим включай осознанно, а не по умолчанию.
Что делать
- 1 Первый прогон задачи ставь на High.
- 2 Оцени результат и остаток лимита.
- 3 Повышай усилие только если явно не хватило качества.
2 Следи за расходом токенов и лимитов вживую
постоянно не сожжёшь недельный лимит на одной задаче
Следи за расходом токенов и лимитов вживую
В ролике один Minecraft съел 43% пятичасовой сессии и 17% недельного лимита. Держи счётчик токенов на виду, чтобы вовремя остановить убегающий запуск.
3 Проси модель предложить три идеи и выбери
2 минуты сильнее концепт без мучений с чистого листа
Проси модель предложить три идеи и выбери
Вместо того чтобы придумывать демо самому, автор просил три варианта и выбирал самый эффектный. Модель заодно объясняет, какой вариант сильнее и почему.
Что делать
- 1 Опиши область и ограничение (например, один HTML-файл).
- 2 Попроси три разные идеи с кратким обоснованием.
- 3 Выбери или скомбинируй, затем проси реализацию.
4 Задавай явную планку качества в промпте
10 секунд заметно лучше результат от той же модели
Задавай явную планку качества в промпте
Фраза «сделай лучшую версию, на которую способен» превратила посредственную игру в интересную. Не проси «просто игру» — проси лучшую.
5 Запускай две-три сессии параллельно
5 минут на настройку кратный рост выработки без роста расхода
Запускай две-три сессии параллельно
Для независимых артефактов открывай несколько инстансов и запускай их бок о бок. Две 3D-модели собрались одновременно почти без прибавки к лимиту.
6 Требуй один HTML-файл и целевой FPS
20 секунд готовое к вставке демо без сборки и зависимостей
Требуй один HTML-файл и целевой FPS
Все веб-демо в ролике заказаны как единый HTML-файл на 60+ FPS без внешних библиотек. Такой результат можно сразу открыть в браузере и показать.
7 Чини баги короткими итерациями, а не переписыванием
10–15 минут за правку быстрая доводка без потери наработанного
Чини баги короткими итерациями, а не переписыванием
Клон GTA доводился серией точечных запросов: «почини управление», «останови телефон», «почему машины взрываются». Модель находила конкретный баг и правила его быстро.
Что делать
- 1 Опиши один-два конкретных дефекта за раз.
- 2 Дай воспроизведение: что нажимаешь и что происходит.
- 3 Проверяй правку и переходи к следующему багу.
8 Прикидывай стоимость через API
15 минут поймёшь реальную ценность подписки
Прикидывай стоимость через API
Автор попросил модель собрать трекер, который считает, во сколько обошёлся бы ролик по API-ценам. Такой расчёт показывает, экономит ли тебе подписка деньги и где утекает бюджет.
Сценарии применения
Как разные люди применяют это на практике
Я как Вайб-кодер на подписке
Проблема: жжёт недельный лимит и не понимает, какой режим выбирать
Хочу: выжать максимум качества при минимуме расхода
Поможет: статья даёт правило: начинать с High, а Ultra Code включать осознанно
Я как Инди-геймдизайнер
Проблема: долго проверять, интересна ли игровая механика
Хочу: за минуты собирать играбельный прототип
Поможет: видит, что явная планка качества и один HTML-файл дают рабочую игру с одного запроса
Я как Тимлид на AI-подписках
Проблема: непонятно, за что уходят токены и оправданы ли расходы
Хочу: привязать стоимость к конкретным задачам
Поможет: узнаёт про трекер API-стоимости и что один плохой прогон дороже десяти хороших
Я как Creative-разработчик на three.js
Проблема: ручное написание 3D-сцен с частицами и шейдерами занимает дни
Хочу: быстро получать эффектные интерактивные демо
Поможет: примеры singularity и парящих островов показывают, что одним промптом выходит рабочая сцена
Я как YouTube-блогер про ИИ
Проблема: нужен зрелищный и воспроизводимый формат ролика
Хочу: стабильно получать вау-контент на камеру
Поможет: перенимает схему: попросить идеи, выбрать эффектную, собрать демо, показать процесс
Я как Скептик, читающий про «нерф моделей»
Проблема: не понимает, реально ли модели ослабляют со временем
Хочу: отличить объективную деградацию от субъективного впечатления
Поможет: видит, что в этом кейсе «нерф» оказался выбором режима, а не ослаблением ИИ
Логика повествования
Как устроена аргументация видео — пройди по шагам
-
Предпосылка Fable 5 вернулся, но мог быть ослаблен 0:00
Автор в восторге, но хочет убедиться, что модель не «нерфнули» после запуска.
-
Пример Minecraft на Ultra Code выходит пустым 1:12
52 агента, 2,4 млн токенов, 42 минуты — а мир туманный и бедный. Первый сигнал тревоги.
-
Аргумент Те же задачи на High великолепны за копейки 4:29
Чёрная дыра, острова, лава, игры и 3D-модели — отличный one-shot за 3–19 тыс. токенов.
-
Пример GTA6 на Max впечатляет, но с багами 24:04
The Meridian Job: 2 часа, 5300 строк, 85 тыс. токенов; красивый город, но взрывающиеся машины и обратное управление.
-
Аргумент Ultra Code крутит орду субагентов 21:17
Гипотеза автора: на High работает сам Fable 5, а Ultra Code размывает результат множеством агентов.
-
Вывод Модель отличная, «нерф» — иллюзия режима 34:16
Итог: не используй Ultra Code; на остальных режимах это по-прежнему лучшая модель.
Подробный разбор
Полный разбор — разверни, если нужно глубже
Развернуть подробный разбор Свернуть подробный разбор
Стоит ли смотреть целиком
Если ты вайб-кодишь на подписке и споришь, какой режим включать, — да, ради одного вывода. Всё остальное в ролике — это 35 минут восторженных реакций на 3D-демо и клоны игр, но сквозь них проходит практичная мысль: самый тяжёлый режим Ultra Code с ордой субагентов дал худший результат за максимальные токены, а простые High, Extra и Max выдали отличное качество почти даром. Это редкий случай, когда «мощнее» означает «хуже и дороже одновременно».
Заголовок обещает расследование «нерфа», но по факту никакого объективного ослабления модели ролик не показывает. Автор сам приходит к тому, что проблема была в выборе режима: как только он ушёл с Ultra Code, вернулось то самое качество. Так что смотреть стоит не как доказательство деградации, а как наглядную иллюстрацию, что настройки и формулировка промпта решают больше, чем кажется.
Что забрать с собой
Три вещи. Первое — начинай с High и повышай усилие осознанно, а не по умолчанию. Второе — задавай явную планку качества («сделай лучшую версию»): та же модель отзывается на амбицию промпта. Третье — считай стоимость: один плохой тяжёлый прогон может съесть больше бюджета, чем все удачные лёгкие вместе. Остальное — зрелищный, но необязательный контент.
План внедрения
С чего начать — отмечай шаги, прогресс сохранится
Выполнено 0 из 6
Проверь себя
Ответь на вопросы, чтобы материал закрепился
-
1. Какой режим дал худший результат в ролике?
-
2. Сколько токенов примерно сжёг клон Minecraft на Ultra Code?
-
3. Что улучшило оригинальную игру?
-
4. Во сколько, по подсчёту приложения, обошёлся бы ролик через API?
-
5. Каков итоговый вердикт автора про модель?
-
6. Почему High, по гипотезе автора, оказался лучше Ultra Code?
Словарь терминов
Понять незнакомое простым языком
Показать 8 терминов Свернуть словарь
- Fable 5
- Шуточное прозвище последней версии модели Claude в этом ролике. Автор упоминает, что «под капотом» может подключаться и Opus 4.8.
- Ultra Code
- Самый «тяжёлый» режим работы, который оркестрирует десятки субагентов. В ролике именно он дал худший результат за максимальные токены.
- effort-режим
- Уровень «усердия» модели: High, Extra, Max, Ultra Code. Чем выше — тем больше вычислений, но не обязательно лучше результат.
- субагент
- Вспомогательный агент, которому основной делегирует часть задачи. Много субагентов = сложнее согласовать результат.
- вайб-кодинг
- Генерация приложения или игры целиком по текстовому промпту, без ручного написания кода.
- one-shot
- Получить рабочий результат с одного запроса, без череды правок.
- нерф (nerf)
- Из игрового сленга — намеренное ослабление. Здесь: подозрение, что модель специально сделали слабее.
- three.js
- JavaScript-библиотека для 3D-графики в браузере. На ней собраны демо вроде чёрной дыры и парящих островов.
Критический взгляд
Объективно: с какими тезисами можно поспорить и что преувеличено
«Нерф» так и не доказан
Весь вывод об ослаблении — субъективное впечатление против идеализированной памяти о прошлом разе. Нет ни A/B, ни одинаковых промптов, ни фиксированных сидов. Скорее всего, разошлись режим и ожидания, а не сила модели.
Вывод «Ultra Code хуже» построен на одном примере
Провалился единственный кейс — Minecraft. Одного наблюдения мало, чтобы утверждать, что тяжёлый режим всегда проигрывает: на других задачах он мог бы вести себя иначе.
Цифры токенов и времени названы на глаз
«Может, 10 тысяч, может, больше», «я не видел, сколько заняло» — метрики приблизительные. Строгого замера расхода в ролике нет, поэтому сравнения режимов индикативны, а не точны.
«Лучшая AI-модель» — без сравнения с конкурентами
Заявление о превосходстве не подкреплено параллельными прогонами других моделей на тех же задачах. Это личное впечатление, а не бенчмарк.
Оценка стоимости $170 — самореференс
Сумму посчитало приложение, которое сама же модель и сгенерировала, по введённым ею цифрам токенов. Такая оценка может быть неточной и не заменяет реальный биллинг.
Взгляни иначе
Новый угол, смежные области и потенциал на стыке — пища для размышлений
Тест на самом деле про оператора, а не про ИИ
Ролик выглядит как проверка модели, но фактически проверяет навык человека выбирать режим и формулировать промпт. «Нерф» оказался в руках пользователя — интереснее мерить не модель, а оператора.
Параллельные инстансы — это менеджмент, а не кодинг
Запуск двух сессий бок о бок — по сути управление маленькой командой агентов. Навык, который тут выигрывает, ближе к оркестрации и делегированию, чем к программированию. Экономика убывающей отдачи от «пятидесяти поваров» знакома любому руководителю.
Вирусный контент как готовый EdTech
Интерактивная чёрная дыра, на которой блогер «реально что-то узнаёт», — это фактически учебная визуализация. Развлекательные вау-демо можно напрямую переупаковывать в интерактивные уроки физики и астрономии.
Народный бенчмаркинг вместо лабораторного
Формат «а не нерфнули ли модель» — это краудсорс-QA: тысячи блогеров гоняют модели по одинаковым задачам и публично фиксируют регрессии. Это шумно и субъективно, но покрывает сценарии, до которых не доходят формальные тесты.
Больше вычислений не равно лучше — это закон, а не баг
Отрицательная отдача Ultra Code — частный случай общего принципа убывающей и даже отрицательной предельной полезности. Как и лишние сотрудники на маленькой задаче, лишние агенты добавляют координационные издержки, а не ценность.
Похожие разборы
Хорошие части Claude Code: что Theo хочет «украсть» у Anthropic для всех CLI-агентов
Theo (t3.gg), который открыто недолюбливает Anthropic, разбирает фичи Claude Code, делающие его лучшим агентным CLI прямо сейчас. Поворот в том, что он показывает это не ради рекламы, а чтобы остальные harness'ы (Codex, pi, opencode, Cursor) скопировали эти паттерны.
Читать → РазборПочему Claude считают лучшим: характер вместо правил, философия как стратегия
Anthropic сделала ставку не на параметры и бенчмарки, а на философию: Claude обучают не списку запретов, а «характеру», который сам решает, как вести себя. Эта же принципиальность стала бизнес-преимуществом — от лидерства в кодинге до отказа прогнуться перед Пентагоном.
Читать → РазборTraycer Desktop: как заставить Claude Code, Codex и Cursor работать в одной задаче
Traycer Desktop не пытается быть «ещё одним лучшим агентом» — он даёт общий воркспейс, где твои Claude Code, Codex, Cursor и Open Code планируют, реализуют и ревьюят одну задачу, не теряя контекст. Главная идея: вопрос не «какого агента выбрать», а «как заставить уже оплаченных агентов работать вместе».
Читать → РазборLoop Engineering: как перестать быть оператором LLM и начать проектировать циклы
Если ты общаешься с агентом больше, чем принимаешь инженерные решения, ты превратился из инженера в оператора LLM — и упёрся в потолок ручного промтинга. Loop Engineering предлагает проектировать не отдельный промт, а цикл вокруг модели: с внешней памятью, изоляцией, независимым чекером, измеримым контрактом и лимитами — но внедрять его по нарастающей, оставляя финальную ответственность на человеке.
Читать →