Почему инженеры Google используют Claude?

Когда инженеры Google получили доступ к Claude, первым делом возникает вопрос: не утратила ли компания доверие к собственной модели Gemini? Расширение доступа, о котором объявили в сентябре 2026 года, скорее говорит о том, что инженеры могут пробовать несколько моделей в рабочем процессе. Gemini по-прежнему остаётся основной внутренней моделью Google, а Claude доступен через Antigravity как дополнительный вариант для определённых задач программирования. Это важное различие: разработка собственного продукта не означает, что компания должна заставлять инженеров пользоваться только им.

Почему инженеры Google получили доступ к Claude?

Как сообщают Business Insider и TechRepublic, в сентябре 2026 года Google расширила доступ к Claude, которым прежде могли пользоваться лишь ограниченные группы. Claude Opus 5 доступен через среду разработки Antigravity компании, однако использование ограничено квотами. Заявление представителя Google также ясно показывает подход компании: наряду с Gemini инженеры могут использовать некоторые сторонние модели для специализированных задач.

За этим решением стоит то, что команды разработчиков оценивают не столько бренд модели, сколько результат, который она даёт в повседневной работе. Одна модель может лучше разбираться в существующей кодовой базе, другая — следовать подробному плану изменений. Отладка, генерация тестов и проверка кода тоже требуют разных навыков. Для команды, работающей с производственным кодом, вопрос не в том, «какая модель победила?», а в том, какой инструмент создаёт меньше препятствий для конкретной задачи.

Здесь важно учитывать ограничение: источники не подтверждают, что инженеры Google считают Claude лучше Gemini. Google предоставила Claude как дополнительный вариант для специализированных задач. Поэтому трактовать это решение как провал Gemini или смену предпочтений Google в выборе моделей — значит делать вывод, который не подтверждается имеющимися сведениями.

Как инженеры Google используют Claude?

Интеграция с Antigravity позволяет использовать Claude не просто как универсального чат-бота в отдельном окне, а встраивает его в процесс разработки. Работая с кодом, инженер может получить предложения по изменениям от другой модели. Практическая ценность такого подхода в том, что не нужно отвлекаться от редактора, чтобы перейти к новому инструменту. Разумеется, интеграция не означает, что предложенный моделью код автоматически правильный или безопасный: сгенерированные изменения всё равно нужно тестировать и проверять.

Ограничение использования Claude квотами — не мелкая операционная деталь. Квоты могут помогать управлять затратами и мощностями, а также оценивать, для каких задач использование модели приносит пользу. Например, команда может применять Claude для проверки кода, требующей большого контекста, а Gemini — для других задач, связанных с внутренней документацией компании. Такой выбор имеет смысл только при сравнении моделей на реальных задачах. Впечатляющая разовая демонстрация сама по себе ничего не говорит о скорости работы и частоте ошибок в повседневном процессе разработки.

Многие источники упускают из виду, что использование сторонней модели внутри организации — это не просто предоставление доступа. К вопросам проектирования относятся и то, в какой сервис отправляется код, как защищаются конфиденциальные данные, как ведутся журналы использования и каким результатам могут доверять разработчики. Контролируемая среда вроде Antigravity может упростить управление таким экспериментом, но командам всё равно необходимо соблюдать политики компании и правила классификации данных.

Что меняет интеграция с Antigravity?

Главное изменение в том, что конкуренция больше не ограничивается потребительскими чат-ботами. Помощник для программирования взаимодействует с редактором, репозиторием, процессом тестирования и привычками разработчика при проверке кода. Когда модель становится частью этого процесса, её ценность определяется не только качеством ответов, но и тем, насколько непрерывно разработчик может работать. Поэтому конкуренция Gemini и Claude проявляется не столько в презентациях продуктов, сколько в реальных средах разработки.

Сообщения Los Angeles Times в апреле 2026 года о конкуренции в сфере ИИ-программирования внутри Google помогают рассмотреть это решение в более широком контексте: сообщалось, что компании испытывают давление, стремясь повысить продуктивность разработчиков, инструменты конкурентов вроде Anthropic привлекают внимание, а Google пытается объединить разные инициативы в области программирования. Расширение доступа в сентябре может быть не единственным ответом на это давление, но оно даёт возможность внимательнее отслеживать предпочтения разработчиков.

Упоминание в новостях планов Google инвестировать в Anthropic до 40 миллиардов долларов также показывает, что отношения между двумя компаниями не укладываются в простую схему «конкуренты держатся друг от друга подальше». Инвестиции, сотрудничество или использование продуктов не устраняют конкуренцию между моделями. Крупные технологические компании могут одновременно соперничать и пользоваться инструментами друг друга для решения определённых задач.

Чему команды должны научиться в условиях конкуренции ИИ?

Не стоит воспринимать выбор Google как готовую инструкцию по выбору модели для инженерных команд. Полезнее принимать решение об инструменте отдельно для каждой задачи. Если у вашей команды есть два помощника для программирования, поручите им одни и те же реальные задачи: найти ошибку в существующем модуле, добавить тесты, написать описание изменений и предложить решение, соответствующее кодовой базе. Затем оценивайте не только полученный код, но и время, затраченное на исправления, неудачные тесты и то, насколько сильно разработчик изменил предложенное решение.

Такой подход превращает выбор модели из спора о личных предпочтениях в инженерное решение, основанное на наблюдаемых данных. Защищайте данные в соответствии с корпоративными правилами безопасности, учитывайте стоимость использования и сохраняйте за разработчиками ответственность за проверку каждого предложения. Если одна модель явно лучше справляется с определёнными задачами, используйте её для этой работы; если преимущество нельзя измерить, не назначайте новый инструмент вариантом по умолчанию только из-за его популярности.

Пример Google показывает движение к контролируемой работе с несколькими моделями вместо приверженности одной. То, что Gemini остаётся моделью по умолчанию, а Claude доступен в пределах квоты, не противоречит друг другу. Конкретный шаг, который ваша команда может предпринять уже сегодня, — сравнить оба инструмента на одной и той же задаче в рамках небольшого пилотного проекта и записать, какой из них действительно экономит время для каждой работы.

Почему инженеры Google получили доступ к Claude?

Как инженеры Google используют Claude?

Что меняет интеграция с Antigravity?

Чему команды должны научиться в условиях конкуренции ИИ?

Источники