# Автор: «Claude Code становится тупым при интенсивной работе»

Источник: https://www.youtube.com/watch?v=0jQLExM8m1A
Канал: Motohiker
Опубликовано: 26.04.2026

---

Автор канала поделился личным опытом использования ИИ-агентов для программирования, сравнив возможности Codex и Claude Code. После столкновения с жесткими лимитами платных подписок и деградацией ответов облачных моделей, он принял решение развивать локальную инфраструктуру на базе видеокарт Intel Arc.

## 🤖 Опыт использования Codex и Claude Code
[[JUMP:0:02]]

До перехода на ИИ-агенты процесс разработки строился на методе «копипаста» из интерфейса ChatGPT в редактор кода [0:14]. Первым инструментом автоматизации стал **Codex** от OpenAI. Переход на агентскую модель значительно упростил работу, избавив от необходимости ручного переноса правок [0:54].

После Codex автор протестировал **Claude Code** от Anthropic, который сейчас является одной из самых обсуждаемых тем в индустрии [1:08]. На примере рабочего приложения инструмент показал следующие результаты:

*   Нашел возможности для оптимизации кода.
*   Предложил варианты рефакторинга.
*   Указал на потенциальные ошибки в логике [1:46].

Однако при работе с Claude Code возникли критические проблемы. По мнению автора, через некоторое время модель начала «тупеть». Даже полная переустановка агента и очистка контекста проекта не вернули первоначальное качество ответов [2:12].

## 📉 Ограничения платных подписок и API
[[JUMP:2:27]]

Основным препятствием для профессионального использования облачных агентов стали лимиты. Подписка стоимостью **21 евро** (с учетом НДС) предоставляет крайне ограниченное окно работы [1:20].

*   **Пятичасовое окно:** после начала сессии включается пятичасовой таймер до сброса лимитов. При интенсивной разработке лимиты исчерпываются за 30 минут [2:54].
*   **Недельные лимиты:** существует риск израсходовать весь объем запросов за два дня, после чего работа блокируется на оставшуюся часть недели [3:06].
*   **Механизм блокировки:** в отличие от ChatGPT, который позволяет продолжать общение даже при превышении квот, Claude Code полностью «замораживает» чат [4:13].

В качестве решения Anthropic предлагает использовать API с оплатой по факту использования. В этом случае после исчерпания основной подписки средства начинают списываться с отдельного счета пользователя [3:34].

## ⚙️ Переход на локальные LLM и выбор железа
[[JUMP:5:11]]

Автор считает, что за ИИ-агентами («вайпкодинг») будущее, но эффективная работа требует отсутствия внешних ограничений по времени и объему контекста [4:58]. Для запуска тяжелых локальных моделей он собрал компьютер на базе процессора **Ryzen 9 9950X3D** и 32 ГБ оперативной памяти DDR5 [5:25].

Ключевым вопросом стал выбор видеокарты для инференса моделей. По словам автора, цены на решения от Nvidia остаются завышенными: флагманская карта **RTX 5090** с 32 ГБ видеопамяти стоит в Германии около 3500 евро [6:04].

Альтернативой выступает линейка **Intel Arc**, предлагающая лучшее соотношение цены и объема памяти для рабочих станций:

1.  **Intel Arc B70:** карта с 32 ГБ видеопамяти по цене около 1200 евро [8:07]. Автор планирует установить две такие карты, чтобы получить суммарно 64 ГБ.
2.  **Intel Arc Dual:** специализированное решение, объединяющее две карты в одном PCI-слоте с общим объемом памяти 48 ГБ [7:12]. Стоимость в Великобритании составляет около 1600 фунтов, но покупка в Европе затруднена из-за таможенных сборов [7:53].

## 💼 Перспективы корпоративного сектора
[[JUMP:8:45]]

Локальные серверы с ИИ-ассистентами могут стать востребованной услугой в корпоративном секторе. Компании заинтересованы в защите приватных данных клиентов и не хотят отправлять конфиденциальную информацию в облака Anthropic или OpenAI [9:11].

По мнению автора, настройка и сборка локальных ИИ-серверов — это перспективная ниша для заработка [9:24]. Дополнительным аргументом в пользу локальных систем является энергонезависимость и работоспособность в случае глобальных проблем с интернетом [9:38].