Полтора года назад терминальный ИИ-агент, который сам читает репозиторий, пишет код, запускает команды и правит ошибки, был фактически синонимом одного продукта — Claude Code от Anthropic. К июню 2026 года рынок выглядит иначе: на тех же принципах работает несколько систем, и часть из них открыта. 11 июня Xiaomi выпустила MiMo Code под лицензией MIT, xAI развивает терминальную среду Grok Build, а в основе многих новых агентов лежит один и тот же открытый проект — OpenCode. Лидерство Anthropic в этом сегменте впервые оспаривается всерьёз.

Паттерн форка: открытая оболочка плюс своя модель

Самое заметное в новой волне — то, как именно собираются конкуренты. MiMo Code — не агент, написанный с нуля, а вторичная разработка на базе OpenCode: Xiaomi взяла зрелую открытую оболочку и встроила в неё собственную модель MiMo-V2.5 и слой памяти. Этот приём — взять готовый каркас агента и подключить к нему свою модель — снижает стоимость входа на порядок. Вместо того чтобы повторять годы работы над циклом «прочитать-спланировать-исполнить-проверить», команда фокусируется на двух вещах: качестве модели и надстройках поверх базового агента.

Лицензия здесь решает не меньше, чем код. MIT позволяет компаниям свободно дорабатывать инструмент, разворачивать его на своей инфраструктуре и встраивать в коммерческие продукты без переговоров о правах. Для корпоративного покупателя, которому важны контроль над данными и отсутствие привязки к одному поставщику, открытый агент на собственном сервере — принципиально иной вариант, чем закрытый облачный сервис.

Конкуренция уходит в длинные задачи

Раньше модели сравнивали по среднему результату на стандартном наборе задач. Новые игроки переносят соревнование туда, где средние цифры мало что говорят, — на длинные автономные цепочки. Xiaomi прямо строит заявку вокруг этого: на тестировании в 1213 парах задач при числе шагов до 200 доли побед MiMo Code и Claude Code держатся около паритета, но как только задача переваливает за 200 шагов, доля побед MiMo Code поднимается выше 65 процентов. На SWE-Bench Pro система показывает 62 процента против 57, на Terminal-Bench 2 — 73 против 68.

Смещение акцента логично. Короткую задачу — поправить функцию, написать тест — уверенно решают почти все современные агенты, и разница между ними в пределах статистической погрешности. Ценность автономного агента проявляется на дистанции: когда нужно провести десятки и сотни шагов, не потеряв цель, не зациклившись и не наделав ошибок, которые накапливаются. Именно здесь у систем расходятся архитектурные решения — как устроена память, как агент проверяет, что задача действительно выполнена, и как он распараллеливает работу.

MiMo Code отвечает на это многослойной памятью с автоматической чисткой истории, механизмом проверки цели и режимом, который генерирует несколько кандидатов-решений на каждом шаге. xAI в Grok Build делает ставку на скорость: 1 июня в среду добавили модель Composer 2.5, заточенную под длительные задачи и сложные инструкции, а следом — маркетплейс плагинов прямо в терминале. Разные команды решают одну и ту же проблему устойчивости на длинной дистанции разными способами.

Где остаётся преимущество Claude

Открытые конкуренты сильны не везде. На самом тяжёлом классе агентного кодинга верхнюю планку по-прежнему держит Anthropic: даже Grok 4.3 на SWE-bench Verified и Pro отстаёт от Claude Opus 4.7 примерно на 14 процентных пунктов. Бенчмарки от вендора всегда стоит читать с поправкой: компания выбирает метрики и сценарии, на которых её система смотрится лучше, а реальный результат зависит от того, насколько задачи команды похожи на тестовые.

У Claude Code остаётся и менее измеримое преимущество — зрелость продукта, накопленная экосистема интеграций и предсказуемость поведения, проверенная на большом числе пользователей. Новый открытый агент может выигрывать на синтетическом тесте, но проигрывать в мелочах ежедневной работы: обработке краевых случаев, стабильности, документации, поддержке. Эти качества не попадают в таблицы сравнений, но именно они определяют, останется ли инструмент в работе через месяц.

Стоит учитывать и разницу в условиях доступа. Бесплатный или открытый агент привлекателен на старте, но за бесплатным режимом часто стоит расчёт на то, что часть пользователей перейдёт на платные модели или облачные сервисы того же поставщика. Закрытый продукт, напротив, сразу называет цену, но даёт предсказуемый уровень поддержки и обязательств. Для команды это вопрос не только текущей стоимости, но и того, на чьей инфраструктуре и под чьим контролем окажется её код и история работы агента.

Что это значит для разработчика

Складывается рынок, а не монополия. Для команды это в первую очередь рычаг: появление сопоставимых открытых систем давит на цены и на скорость улучшений у всех участников, включая Anthropic. Привязка к одному поставщику перестаёт быть единственным вариантом — часть задач можно перенести на открытый агент, развёрнутый на своей инфраструктуре, оставив проприетарный сервис там, где он действительно сильнее.

Практический подход — не выбирать победителя по чужим бенчмаркам, а тестировать кандидатов на собственных репозиториях и собственных типичных задачах. Если работа команды состоит из коротких правок, разница между агентами будет невелика и решать будут цена и удобство. Если же это длинные автономные сценарии — миграции, рефакторинг крупных кодовых баз, многошаговая отладка, — стоит присмотреться именно к тем системам, которые делают заявку на устойчивость на дистанции, и проверить эту заявку на своей боли, а не на чужой таблице.

Сам факт того, что выбор появился, важнее, чем текущее распределение мест. Год назад вопрос звучал как «использовать ли терминального агента вообще»; теперь он звучит как «какой из нескольких сопоставимых агентов подходит под конкретную задачу и инфраструктуру». Этот сдвиг — от единственного продукта к рынку — обычно ускоряет улучшения и снижает цены быстрее, чем любой отдельный релиз.