Для этого я подготовил подробный промпт с описанием структуры, архитектуры, стека технологий и самого проекта.

Задача заключалась в генерации небольшого веб-приложения на Next.js для похудения. Для сравнения я выбрал следующие модели:

1. GPT-5.5 Medium — актуальную на момент тестирования версию GPT. 2. Gemini 3.1 Pro — последнюю доступную версию от Google на данный момент. 3. Composer 2.5 Fast — модель от создателей Cursor, оптимизированную для работы над проектами.

Немного о Cursor

Cursor представляет собой IDE, то есть среду разработки, аналогичную VS Code, PyCharm и другим редакторам.

Её можно установить на большинство популярных операционных систем и сразу начать пользоваться встроенным ИИ-ассистентом. Лимиты бесплатной версии позволяют работать даже без привязки банковской карты.

На практике бесплатная версия легко справляется с генерацией веб-проектов и даже мобильных приложений. Во многих случаях проект запускается без дополнительных исправлений.

На мой взгляд, это гораздо удобнее, чем вайбкодинг через обычный чат с нейросетью, поскольку Cursor автоматически предоставляет модели структуру проекта и необходимый контекст. Разработчику остаётся лишь формулировать задачи, принимать или отклонять изменения и уточнять детали.

Конечно, на больших легаси-проектах результаты должны быть заметно слабее, но для генерации небольшого MVP это практически волшебная палочка.

Кроме того, я тестировал Cursor и на существующих проектах, поручая ему реализацию отдельных фич. С этой задачей он также успешно справлялся.

В платной версии появляется возможность выбирать разные модели, подключать собственный API-ключ и даже использовать кастомные модели.

В этой статье я кратко расскажу, как с задачей справились три популярные нейросети, а также приведу сравнительную таблицу затрат на генерацию.

Все модели получили один и тот же промпт и справились с задачей без ошибок с первого запуска. Отдельный акцент в задании был сделан на интерфейс: приложение должно было выглядеть современно, стильно и содержать анимации.

1. GPT-5.5 Medium

Когда я впервые открыл сгенерированное приложение, был приятно удивлён его внешним видом.

Анимации, цвета и стили были проработаны со вкусом. Создавалось ощущение, будто я открыл сайт реальной IT-компании.

Использовался широкий набор иконок с хорошим пониманием их смысла. Например, для блока «Поведенческие предпочтения» была выбрана иконка настроек с ползунками, а для целей — иконка мишени.

При этом не обошлось без ошибок. В одном из блоков, посвящённом ежедневной статистике калорий, белков, воды и шагов, использовалась иконка луны. Вероятно, модель связала слово «ежедневный» с ночным циклом.

После первого впечатления от интерфейса я углубился в код.

Для тех, кому технические детали неинтересны, можно сразу переходить к следующей модели.

TypeScript использовался на высоком уровне. Общие типы были вынесены в отдельный файл types.ts, типизированы моковые данные, анимации и даже API-контракты.

С помощью Zustand состояние было разделено логически правильно, хотя все store находились в одном файле, а некоторые решения выглядели спорными и могли быть реализованы обычными React-хуками.

Любопытно, что GPT практически не использовал useState — за весь проект этот хук встретился всего один раз.

Zod-схемы были вынесены отдельно. Использовались enum, ограничения через min/max и понятные сообщения валидации.

React Hook Form был задействован практически во всей полноте: использовались useWatch, register, reset, setValue и другие возможности библиотеки.

TanStack Query также был реализован грамотно: присутствовали запросы, мутации, инвалидация отдельных ключей и общий провайдер для работы с useQuery.

Однако не обошлось без недостатков. Продолжение, видео приложений и итоговая таблица - в тг