Лучшие модели для Pi Coding Agent зависят от задачи: начните с Claude Sonnet 5.5 для повседневного кодинга или с GPT-6.1 Sol как варианта от OpenAI. Попробуйте Claude Opus 5.5 для сложной отладки, сравните MiniMax M3 и DeepSeek V4.1 Flash для рутинной работы и протестируйте Qwen3.8 27B, если код должен оставаться на вашей машине.
Pi — это расширяемая агентная среда, работающая в терминале. Среда управляет диалогом и инструментами; модель решает, какие файлы читать, какие команды выполнять и что изменять. Pi позволяет переключать модели прямо в рабочем процессе, так что вы можете сравнивать их на одном репозитории, а не выбирать по нерелевантным лидербордам.
Идентификаторы моделей и доступность были проверены по каталогу Haimaker на 14 октября 2026 г. Рекомендации основаны на актуальной информации провайдеров и небольшой независимой оценке в Pi. Мы не проводили новый бенчмарк Haimaker для этих моделей в Pi.
С какой модели начать в Pi?
Начните с Sonnet 5.5 или GPT-6.1 Sol на задаче, которую вы уже умеете верифицировать. Зафиксируйте доступ к инструментам и состояние репозитория, затем сравните бюджетную модель на той же задаче. Переходите на Opus, когда дешёвая модель повторяет неудачный подход или требует слишком много ручного вмешательства.
| Нагрузка в Pi | Модель для пробы | Идентификатор модели в Haimaker | Компромисс |
|---|---|---|---|
| Повседневные правки, тесты и работа с репозиторием | Claude Sonnet 5.5 | anthropic/claude-sonnet-5-5 | Стоимость токена выше, чем у бюджетных вариантов |
| Кодинг и планирование с моделью OpenAI | GPT-6.1 Sol | openai/gpt-6.1-sol | Сравнивайте глубину рассуждений и общее число токенов |
| Сложная отладка или неясные требования | Claude Opus 5.5 | anthropic/claude-opus-5-5 | Более высокие тарифы за токен; может потребовать меньше попыток |
| Рутинный кодинг при ограниченном бюджете | MiniMax M3 | minimax/minimax-m3 | Проверяйте аргументы инструментов и восстановление после ошибок |
| Дешёвые фоновые задачи | DeepSeek V4.1 Flash | deepseek/deepseek-v4.1-flash | Повторные попытки и задержки могут перевесить низкие тарифы |
| Ещё одно бюджетное сравнение | GLM-5.3 Flash | z-ai/glm-5.3-flash | Проверяйте длинные выводы и общее время выполнения задачи |
| Исследования и большие входные документы | Gemini 3.8 Flash | google/gemini-3.8-flash | Большой объём входных данных всё равно требует проверки ответа |
| Сложные исследования и рассуждения | Gemini 4 Argon | google/gemini-4-argon | Новый платный кандидат, отсутствует в тестировании Pi ниже |
Обзор моделей Anthropic описывает текущие уровни Claude. Документация OpenAI по Sol раскрывает его роль в кодинге и агентных задачах, а список моделей Google охватывает варианты Gemini. Эти описания помогают составить шорт-лист; они не определяют победителя на вашей кодовой базе.
Это тот же подход, основанный на задачах, который мы использовали в руководстве по моделям Hermes. Конфигурация Pi, переключение моделей и управление thinking отличаются, поэтому используйте настройку Pi ниже, а не копируйте конфигурацию Hermes.
Что показывают реальные сравнения кодинга в Pi?
Небольшое тестирование в Pi показывает, что стоит попробовать Sonnet, Sol и Opus, прежде чем предполагать, что бюджетная модель завершит задачу быстрее или дешевле. Оно также показывает, что большее усилие рассуждения может добавлять проверки и вызовы инструментов, не улучшая результат на простой задаче. Полезное сравнение — это завершённая работа, включая неудачные попытки и время на ревью.
Личная оценка кодинга Ибрагима Бадертдинова включала 10 задач с 3 запусками на конфигурацию. Результаты от 30 сентября:
| Модель и уровень усилия | Успешность задачи с одной попытки | Заявленное время на задачу |
|---|---|---|
| Sonnet 5.5, high | 100% | 46 секунд |
| GPT-6.1 Sol, medium | 100% | 1 минута 7 секунд |
| Opus 5.5, low | 100% | 37 секунд |
| DeepSeek V4.1 Flash, max | 93,3% | 4 минуты 30 секунд |
| GLM-5.3 Flash, max | 96,7% | 7 минут 1 секунда |
Это результаты автора, а не наши. Методология описывает чётко определённые задачи из рабочей практики автора, автоматические проверки и доступ через API. Задачи не публикуются, а результаты получены на Pi 0.85.1, а не на текущем релизе Pi 1.x. Одинаковая доля успешных попыток также не означает одинаковое качество кода.
Это сравнение даёт повод тестировать не только модель, но и уровень усилия рассуждения. Opus с низким усилием завершил этот небольшой набор задач быстрее других показанных конфигураций. Это не значит, что низкого усилия достаточно для сложной миграции. Запустите задачу с её реальными ограничениями, затем проверьте, меняет ли дополнительное рассуждение патч или лишь добавляет повторяющиеся проверки.
Для собственного сравнения фиксируйте успешное завершение, некорректные аргументы инструментов, повторные попытки, затраченное время и итоговую стоимость. Наше руководство по стоимости API для кодинг-агентов объясняет, почему одни лишь тарифы за токен могут дать неверный ответ.
Как подключить Pi к этим моделям?
Используйте Haimaker Connect, чтобы подключить Pi без ручного редактирования конфигурации провайдера. Сначала установите Pi, затем запустите Connect для настройки нативных файлов и проверки соединения.
Для новой установки краткое руководство Pi использует текущий npm-пакет ниже и требует Node.js 22.19 или новее:
npm install -g --ignore-scripts @earendil-works/pi-coding-agent
pi --version
Рекомендуется: Haimaker Connect
Запустите мастер настройки и выберите Pi:
npx -y @haimaker/connect
Для Pi с рекомендацией Sonnet выше выберите оба явно:
npx -y @haimaker/connect --pi --model anthropic/claude-sonnet-5-5
pi --provider haimaker --model anthropic/claude-sonnet-5-5
Connect открывает вход через браузер или использует существующий HAIMAKER_API_KEY. Он добавляет провайдер Haimaker в models.json, сохраняет ключ в auth.json Pi и проверяет один запрос. После этого Pi отправляет запросы напрямую в Haimaker. См. документацию пакета Connect для дополнительных опций.
Без --model Connect настраивает haimaker/auto. Используйте конкретную модель для сравнений, чтобы маршрутизация не меняла модель между запросами. Connect добавляет одну модель; используйте ручную конфигурацию ниже, чтобы в списке Pi было несколько вариантов. Он создаёт резервную копию существующих файлов, но перезаписывает models.json как JSON без комментариев.
Используйте Haimaker Connect для настройки Pi, затем сравнивайте модели на одной и той же задаче в репозитории.
ПОДКЛЮЧИТЬ PI К HAIMAKERРучная конфигурация: несколько моделей в списке
Задайте ключ в оболочке, которая будет запускать Pi:
export HAIMAKER_API_KEY=your-haimaker-key
Добавьте этот провайдер в ~/.pi/agent/models.json. Объедините его с существующим объектом providers, если он у вас уже есть:
{
"$schema": "https://pi.dev/schemas/models.schema.json",
"providers": {
"haimaker": {
"baseUrl": "https://api.haimaker.ai/v1",
"api": "openai-completions",
"apiKey": "${HAIMAKER_API_KEY}",
"models": [
{
"id": "anthropic/claude-sonnet-5-5",
"name": "Claude Sonnet 5.5",
"reasoning": true,
"input": ["text", "image"],
"contextWindow": 1000000,
"maxTokens": 128000
},
{
"id": "openai/gpt-6.1-sol",
"name": "GPT-6.1 Sol",
"reasoning": true,
"input": ["text", "image"],
"contextWindow": 922000,
"maxTokens": 128000
},
{
"id": "minimax/minimax-m3",
"name": "MiniMax M3",
"reasoning": true,
"input": ["text", "image"],
"contextWindow": 1000000,
"maxTokens": 128000
}
]
}
}
}
Приведённые ограничения соответствуют проверенному каталогу Haimaker и могут отличаться от прямого API провайдера. Pi поддерживает интерполяцию переменных окружения в учётных данных провайдера; см. руководство по конфигурации моделей. Начните с небольшой задачи с чёткими рамками, прежде чем отправлять большой контекст репозитория.
Выберите модель по обоим идентификаторам:
pi --provider haimaker --model anthropic/claude-sonnet-5-5
Внутри Pi откройте /model, чтобы выбрать другую настроенную модель. Список перезагружает models.json. Кастомные метаданные цен не указаны в этом примере, потому что тарифы меняются; проверяйте счёт провайдера, а не считайте отсутствие информации о стоимости в сессии без настроенного ценообразования признаком нулевых затрат.
Аккаунт провайдера, который у вас уже есть
Для встроенного провайдера выполните /login и следуйте инструкциям по аутентификации Pi, затем выберите модель с помощью /model. Справочник провайдеров Pi перечисляет переменные API-ключей и специфичные для провайдера опции. Подписка и API-ключ с оплатой за использование могут давать разный доступ и биллинг, поэтому используйте способ подключения, который реально поддерживает ваш аккаунт.
Как настроить уровни thinking и переключать модели?
Рассматривайте выбор модели и уровень thinking как независимые переменные. Для первого сравнения используйте умеренный уровень, если модель его поддерживает, затем увеличьте его на задаче, требующей более глубокого рассуждения. Pi ограничивает уровни возможностями выбранной модели. При выборе уровня сравнивайте расход токенов и завершение задач; провайдеры по-разному интерпретируют один и тот же уровень.
Справочник CLI Pi поддерживает явное указание модели и усилия:
pi --provider haimaker --model openai/gpt-6.1-sol --thinking medium
В интерактивной сессии /thinking меняет уровень thinking, а /scoped-models выбирает модели, между которыми вы переключаетесь по Ctrl+P. Начните с 2 моделей в этом цикле: вариант для рутинной работы и более сильная альтернатива. Добавляйте ещё одну только тогда, когда она устраняет повторяющуюся проблему. Сохраните модель по умолчанию для запуска из средства выбора моделей с помощью Ctrl+S.
Ручное переключение моделей делает выбор видимым. haimaker/auto Haimaker выполняет маршрутизацию на стороне API. Для маршрутизации внутри Pi используйте виртуальную маршрутизацию моделей через расширения. Настраивайте и тестируйте это расширение отдельно. Несколько записей в models.json дают вам выбираемые модели; сам по себе список не делает выбор за вас.
Pi также разделяет модели для кодинга и модели-классификаторы и модели для изображений. Текущая документация указывает GPT-6 Luna через Decisions API как классификатор, используемый Codemode, а не основной список для диалога. Проверяйте API и роль модели, следуя рекомендациям сообщества, особенно тем, что даны для более старой версии Pi.
Какие локальные модели стоит попробовать с Pi?
Сравните Qwen3.8 27B, Muse Glimmer 30B и Qwen3 Coder 30B, если у вас достаточно памяти на рабочей станции и вы хотите локальный инференс. Используйте Gemma 4 E4B или Qwen3 8B на менее мощных машинах. Проверьте, корректно ли локальная модель использует инструменты Pi и восстанавливается ли после неудачной команды.
Pi имеет задокументированную интеграцию с маршрутизатором llama.cpp для моделей GGUF. Если вы уже используете Ollama, настройте его отдельный OpenAI-совместимый эндпоинт. Загрузите модель, подходящую для вашей машины, затем добавьте её точный тег в models.json:
ollama pull qwen3.8:27b
{
"providers": {
"ollama": {
"baseUrl": "http://localhost:11434/v1",
"api": "openai-completions",
"apiKey": "ollama",
"models": [
{
"id": "qwen3.8:27b",
"name": "Qwen3.8 27B local",
"reasoning": true,
"input": ["text", "image"],
"contextWindow": 32768,
"maxTokens": 8192
}
]
}
}
}
Ключ-заполнитель позволяет Pi корректно настроить аутентификацию для локального провайдера; Ollama его игнорирует. Объедините этот провайдер с любой облачной конфигурацией, затем выберите его:
pi --provider ollama --model qwen3.8:27b
Страница Qwen3.8 в Ollama показывает загрузку примерно 18 ГБ без учёта состояния контекста и буферов рантайма. GPU с 24 ГБ или машина с 32 ГБ+ объединённой памяти — отправная точка для ограниченной сессии. Контекст 32K в этом примере — консервативная начальная настройка, а не гарантия, что модель поместится. Для менее мощных машин и других кандидатов см. наше руководство по моделям для кодинга в Ollama.
Локальный инференс сохраняет промпты модели на вашей машине. Внешние инструменты всё равно могут отправлять данные в другое место, а модель с тегом cloud использует облачный инференс. Проверяйте и эндпоинт, и включённые инструменты, если хотите сохранить код приватным.
Часто задаваемые вопросы
Можно ли сменить модель, не теряя сессию Pi?
Да. Используйте /model для смены модели в текущей сессии Pi. Pi записывает изменения модели и уровня размышлений (thinking), а при возобновлении сессии восстанавливает их. Используйте /scoped-models, чтобы выбрать модели, доступные для переключения по Ctrl+P.
Почему моя кастомная модель не отображается в Pi?
Убедитесь, что Pi может разрешить учётные данные провайдера и что идентификатор модели указан в models.json. Переменная окружения должна быть доступна в процессе, который запускает Pi. Модели классификатора и модели изображений используют отдельные инструменты и не отображаются в основном списке /model.
Поддерживает ли Pi Haimaker и локальные модели Ollama?
Да. Используйте npx -y @haimaker/connect —pi для настройки Haimaker через нативные файлы Pi или добавьте провайдера вручную в ~/.pi/agent/models.json. Ollama использует отдельный локальный провайдер по адресу http://localhost:11434/v1 с точным тегом локальной модели.
Начните с одной верифицированной задачи в репозитории, зафиксируйте инструменты и контекст Pi и сравните две модели. Оставьте ту, которая корректно завершает задачу с меньшим ожиданием и временем на ревью. Повторяйте это сравнение, когда новый релиз устраняет сбой, с которой вы реально сталкиваетесь.