Какую модель выбрать для OpenCode
Как выбрать модель для OpenCode: что важнее размера, почему агенту нужен большой контекст и вызов инструментов, и где проходит граница между локальной и облачной моделью.
«Какая модель лучше для OpenCode» — вопрос, на который нет ответа в виде одного имени. Агент нагружает модель иначе, чем чат: ему нужно держать в голове проект, вызывать инструменты и не терять цель после десятого шага. Модель, которая отлично пишет функцию по описанию, на этом может сыпаться.
Что важнее размера
Число параметров — не первый критерий выбора. Смотреть стоит на три вещи.
Вызов инструментов. Агент работает через них: читает файлы, запускает команды, правит код. Модель, которая не умеет или плохо умеет вызывать инструменты, в OpenCode будет писать красивые ответы вместо того, чтобы что-то делать.
Длина контекста. В контекст помещаются куски проекта, вывод команд и история шагов. Документация OpenCode советует начинать примерно с 16–32 тысяч токенов; на коротком контексте агент забывает начало задачи ровно тогда, когда пора собирать результат.
Умение держать план. Задача на один файл и многошаговая правка с прогоном тестов — разная нагрузка. Это не видно по табличке с бенчмарками, зато сразу видно на своей задаче.
Локальная или облачная
Разница не только в цене.
| Локальная модель | Облачный API | |
|---|---|---|
| Код и запросы | Остаются на компьютере | Уходят провайдеру |
| Стоимость | Железо и электричество | Оплата по использованию |
| Потолок качества | Ограничен памятью машины | Ограничен тарифом |
| Скорость | Зависит от твоего железа | Зависит от сети и очереди |
Локальная модель не обязана закрывать всё. Частая рабочая схема — держать её основной, а на разовую тяжёлую задачу подключать облачную. Как подключить локальный вариант через Ollama, разобрано в статье «OpenCode локально»; что покупаешь у самих разработчиков — в разборе Go и Zen.
Сколько памяти нужно
Модель целиком живёт в оперативной или видеопамяти, поэтому выбор упирается в неё. Для кодовых задач добавь запас: контекст занимает память сверх весов модели, и чем длиннее задача, тем его больше.
Если не знаешь, что потянет твоя машина, посмотри
подбор модели по железу — там реальные размеры файлов и требования к
памяти, а не оценки на глаз. Про то, что означают метки вроде Q4_K_M в именах файлов,
есть отдельный разбор формата GGUF.
Не бери самый маленький вариант только потому, что он быстрее отвечает. Агент, который за пять попыток не доводит правку до зелёных тестов, обходится дороже модели, которая думает вдвое медленнее и попадает с первого раза.
Как проверить выбор за вечер
Бенчмарки отвечают на чужой вопрос. Твой звучит иначе: справится ли эта модель с твоим репозиторием.
Возьми небольшой проект и задачу с проверяемым финалом — падающий тест, сборку, линтер. Прогони одну и ту же задачу на двух-трёх кандидатах и сравни четыре вещи: сколько попыток до зелёной проверки, не полез ли агент в лишние файлы, не потерял ли цель к концу и сколько памяти съел процесс.
Если модель отвечает, но действий не выполняет, дело может быть не в ней — проверь поддержку инструментов и настройки в opencode.json, а типичные ошибки провайдеров разобраны в «OpenCode не работает».
Если выбирать не хочется
Перебор моделей — отдельная работа, и не всем она интересна. В Доке под железо подставляется дефолтная модель, а список локальных вариантов ограничен теми, что реально запускаются на домашней машине. Для кода это не замена терминальному агенту, но сравнить одну и ту же задачу в обоих форматах — дело одного вечера.