Anthropic заблокировал? И что.
Как китайская Kimi через Zed и OpenRouter самостоятельно написала статью, разобралась с Docker, пережила чужие коммиты и опубликовала результат на продакшене.
19 ноября 2026 года
Великая китайская замена
В ноябре 2026 года Anthropic продолжила ужесточать ограничения доступа к Claude. Россия отсутствует в списке поддерживаемых стран, пользователи обсуждают блокировки, а разработчики в очередной раз пытаются выяснить, как теперь пользоваться любимой нейросетью.
Можно искать новые VPN, способы оплаты, регистрировать очередные аккаунты и надеяться, что на этот раз пронесёт.
А можно задать другой вопрос.
Ну заблокировали. И что?
Я решил проверить, насколько мы вообще зависим от конкретного производителя искусственного интеллекта.
Для эксперимента взял китайскую Kimi K3, подключил её через OpenRouter к редактору Zed и дал обычную рабочую задачу на своём сайте d3signer.ru.
Никаких специальных бенчмарков. Никаких задач по сортировке массивов. Просто настоящая работа с настоящим репозиторием.
Результат оказался настолько интересным, что я решил написать об этом отдельно.
Четыре сообщения вместо технического задания
Началось всё предельно незатейливо.
Я открыл Zed, подключил OpenRouter, выбрал Kimi и написал:
«Тут?»
Агент ответил, что находится в проекте d3signer-amazing-website, и спросил, что нужно сделать.
«Посмотри беклог проекта».
Он изучил документацию, редакционный план и существующие задачи. Обнаружил 41 запланированную статью, значительная часть которых уже потеряла актуальность или дублировала опубликованные материалы.
Я попросил переработать план. Без статей-затычек, воды и бессмысленного SEO-контента. Только то, что действительно полезно читателю.
Агент прошёлся по публикациям, исключил 32 темы и оставил девять. Для каждой объяснил, зачем она нужна.
В редакционный регламент добавил требование: будущая статья должна приносить конкретный результат — чеклист, шаблон, таблицу, инструкцию или практический разбор.
Осталось последнее сообщение:
«Давай подготовь и опубликуй».
Всё. Дальше началось самое интересное.
Он нашёл память другого агента
Небольшое отступление.
У меня есть собственная система Macaroni Memory. Она позволяет сохранять историю взаимодействия с агентами и впоследствии находить конкретные сообщения, решения и обстоятельства работы над проектами.
Это не обычный файл с кратким пересказом предыдущих разговоров. Мне важно сохранять первоисточник: что именно было сказано, кем, в какой последовательности и в каком контексте.
До этого с системой преимущественно работал OpenAI Codex.
И вот китайский агент, впервые оказавшись в проекте, обнаружил существующую инфраструктуру памяти и начал её использовать.
Вместе с ней он получил проектный AGENTS.md — документ, описывающий правила работы, обязательные проверки, ограничения и критерии завершения задач.
По сути, новая модель вошла в рабочую среду, которая уже была подготовлена предыдущими агентами.
Здесь нужно сделать важное уточнение: нейросеть не стала умнее в смысле изменения собственных весов. Она получила дополнительный контекст, инструкции и доступ к накопленным знаниям.
Но с точки зрения пользователя разница оказалась весьма ощутимой.
Мне больше не пришлось заново объяснять, как устроен проект, где лежат статьи, каким образом выполняется публикация и что необходимо проверить перед деплоем.
Нет Node.js? Есть Docker
Kimi подготовила статью «Как подготовить сайт к сезонному спросу», обновила редакционный план и приступила к локальной приёмке.
Здесь обнаружилась первая проблема.
В привычном окружении не оказалось nvm, необходимого для запуска нужной версии Node.js.
Обычный сценарий взаимодействия с нейросетью в такой ситуации выглядит примерно так:
«У меня нет Node.js. Установите Node.js».
Но Kimi нашла установленный Docker.
А дальше самостоятельно организовала проверку в контейнере node:20-slim.
Причём предварительно создала отдельный Git worktree в /tmp/d3signer-check, чтобы не затрагивать основную рабочую директорию.
В этом окружении запустила существующий скрипт проекта check-local.sh.
Результат:
- Node.js 20.20.2 — работает.
npm ci— 351 пакет установлен.- ESLint — пройден.
- Проверка Markdown — пройдена.
- Production build Next.js — успешен.
- Проверка структурированных данных — пройдена.
Новая статья появилась среди 151 собранной страницы.
Затем агент запустил готовое приложение и проверил HTTP-ответ, заголовок, метаописание, Open Graph, JSON-LD и присутствие карточки в списке публикаций.
Я вообще не просил его придумывать обход отсутствующего Node.js. Я просил опубликовать статью.
Пока китаец работал, остальные тоже не спали
Следующий этап оказался значительно интереснее.
Пока Kimi готовила публикацию, другие агенты продолжали работать с тем же GitHub-репозиторием.
Когда она добралась до слияния изменений, выяснилось, что удалённая ветка main существенно ушла вперёд.
Шестьдесят изменённых файлов. Более пяти тысяч добавленных строк. Новые статьи, раздел проектов, изменения пагинации, дополнительные проверки структурированных данных.
Причём в локальной рабочей директории уже находились чужие незакоммиченные изменения инфраструктуры.
Получилась вполне настоящая ситуация из командной разработки: задача началась на одной версии проекта, а завершать её приходится на другой.
Kimi самостоятельно обнаружила расхождение и начала оценивать варианты.
Можно было сделать rebase. Можно было временно убрать чужие изменения в stash. Можно было объединить ветки.
Но каждый вариант имел последствия для текущего рабочего состояния.
В итоге агент не стал переписывать пользовательские изменения. Он проверил состояние pull request и обнаружил, что PR уже оказался объединён с основной веткой.
После обновления данных подтвердил наличие своего коммита в origin/main.
Самое интересное здесь — не владение Git-командами, а способность заметить, что окружающая среда изменилась без твоего участия.
Конечно, не все решения агента были идеальными. Например, он не повторил всю локальную приёмку на последнем состоянии основной ветки. Но обнаруженные риски он анализировал самостоятельно, а не после моей подсказки.
Написать статью — не значит опубликовать
После слияния PR агент не остановился.
Он нашёл GitHub Actions workflow Deploy Docker Apps, определил запуск, связанный с публикацией, и стал ждать результата.
Деплой завершился успешно.
Но и этого Kimi оказалось недостаточно.
Она отправилась проверять уже публичный сайт:
https://d3signer.ru/blog/kak-podgotovit-sajt-k-sezonnomu-sprosu
Проверила HTTP 200, заголовок страницы, description, структурированные данные и появление статьи в общем блоге.
И только после этого сообщила, что публикация завершена.
Затем удалила временный worktree, убрала свою рабочую ветку, вернулась к исходной ветке пользователя и убедилась, что чужие незакоммиченные изменения остались на месте.
В финальном отчёте указала даже отдельную проблему проекта: устаревшую команду next lint, которую следовало исправить в основной кодовой базе.
Она не стала незаметно менять чужой package.json. Просто сообщила, что именно обнаружила и почему это важно.
А после завершения работы принялась сохранять историю собственного взаимодействия в Macaroni Memory.
То есть следующий агент потенциально сможет получить не только результат, но и историю того, как к этому результату пришли.
Так насколько Kimi хуже Claude?
Вот тут придётся немного разочаровать любителей красивых сравнительных таблиц.
Я не проводил контролируемое исследование. Не давал десяткам моделей одинаковые задачи. Не измерял статистическую значимость результатов.
Был один реальный проект, одна китайская модель, одна рабочая сессия и полноценная публикация.
Субъективно Kimi показалась мне сопоставимой с GPT-5.6 Sol в повседневной разработке.
Но важнее другое: для выполнения этой задачи мне вообще не понадобилась самая мощная модель на рынке.
Мне понадобился агент, который способен прочитать правила, разобраться в проекте, использовать инструменты, преодолеть проблемы окружения и проверить конечный результат.
Kimi с этим справилась.
Да, она потребляла платные токены через OpenRouter. Стоимость эксперимента — $2.
Но эксперимент показал, что коммерчески полезную автономную работу можно выполнять и без привязки к флагманской модели одного американского производителя.
Главный герой здесь вообще не Kimi
Чем дольше я наблюдал за происходящим, тем больше убеждался, что неправильно приписывать весь успех одной нейросети.
Значительная часть результата обеспечена инфраструктурой.
AGENTS.md описывает, как нужно работать.
Macaroni Memory помогает восстановить, что происходило раньше и почему принимались определённые решения.
Git позволяет изолировать изменения.
Docker обеспечивает воспроизводимое окружение.
CI/CD и smoke-тесты помогают проверить результат.
А модель выступает исполнителем, который умеет пользоваться этими возможностями.
Разумеется, плохая модель от этого хорошей не станет. Ей всё равно нужны достаточные способности к рассуждению, программированию и работе с инструментами.
Но если необходимый уровень компетентности достигнут, разница между производителями становится менее принципиальной.
Именно это мне хотелось проверить.
Сегодня над проектом работает GPT. Завтра Kimi. Послезавтра кто-нибудь ещё.
Знания о проекте, правила и история решений при этом остаются моими.
Anthropic заблокировал? И что.
Мне совершенно не хочется превращать разработку сайтов в вечный квест по обходу региональных ограничений конкретного поставщика AI.
Тем более что технологический рынок меняется невероятно быстро.
Ещё недавно китайские модели воспринимались как интересная, но компромиссная альтернатива. Теперь одна из них самостоятельно прошла путь от анализа редакционного плана до опубликованной статьи с успешным деплоем и проверкой продакшена.
Завтра модели станут лучше. И американские, и китайские.
Наверняка останутся задачи, для которых потребуется максимальная интеллектуальная мощность. Сложная архитектура, критические миграции, нестандартные исследования.
Но для огромного количества обычных рабочих задач важнее совсем другое.
Не максимальное количество баллов в бенчмарке.
Не красивое название модели.
И даже не её национальность.
Важно, может ли она взять задачу, сделать работу, проверить результат и ничего по дороге не сломать.
19 ноября 2026 года китайская Kimi через Zed и OpenRouter именно это и продемонстрировала на моём сайте.
А я всё это время сидел и смотрел, как она работает.
С некоторым удивлением.
Похоже, будущее разработки — это не когда у тебя самая умная нейросеть. Это когда тебе почти всё равно, какая именно нейросеть сейчас работает.