GPT-5 пишет код лучше джуна? Мой тест

В IT спорят: сможет ли нейросеть заменить начинающего разработчика? Хватит ли ChatGPT навыков, чтобы конкурировать с человеком без большого опыта? Или это просто маркетинг?

В этой статье я сравню GPT и джуна, чтобы выяснить, в чём сильны нейросети, а где нужен человеческий интеллект. Вы узнаете, когда полагаться на ИИ, а когда довериться человеку. Спойлер: всё сложнее, чем кажется.

Два человека смотрят на экран ноутбука с кодом, один с удивлением, другой с разочарованием

GPT против джуна: кто победит?

Когда-то опасались, что нейросети заменят дизайнеров, затем — копирайтеров. Но они продолжают работать и используют ИИ. Аналогично и с разработчиками. GPT генерирует код, это факт. Но может ли он заменить джуна?

Полная замена невозможна. GPT — это мощный инструмент, который поможет джунам работать эффективнее, но не заменит их. Главное — понимать границы применения ИИ.

Личное соревнование: сравниваем GPT и начинающего разработчика

Я решил провести эксперимент. Никаких тестов — только реальные задачи начинающих разработчиков:

Написать скрипт для парсинга веб-страницы.
Реализовать простой API на Flask для получения данных.
Сгенерировать юнит-тесты для существующего кода.

В роли джуна — мой знакомый Вася, выпускник курсов, ищущий работу. GPT я тестировал через Сабку — инструмент с доступом к разным моделям. Сабка предоставляет удобный интерфейс для экспериментов с ИИ.

Раунд 1: Парсим данные с веб-сайта

Задача: Извлечь таблицу с веб-страницы и сохранить данные в CSV-файл.

Действия Васи: Вася написал скрипт на Python, используя библиотеки BeautifulSoup и requests. Код работал, но требовал доработки: не было обработки ошибок, код был недостаточно читаемым, но он был написан вручную.

Действия GPT: Нейросеть сгенерировала код за секунды. С первого раза код работал, обрабатывал ошибки и имел подробные комментарии. Код выглядел немного "стерильным".

# GPT сгенерировал этот код для парсинга данных
import requests
from bs4 import BeautifulSoup
import csv

url = 'https://example.com/table'
response = requests.get(url)
soup = BeautifulSoup(response.text, 'html.parser')

table = soup.find('table')
rows = table.find_all('tr')

with open('output.csv', 'w', newline='') as csvfile:
    writer = csv.writer(csvfile)
    for row in rows:
        data = [cell.text.strip() for cell in row.find_all(['td', 'th'])]
        writer.writerow(data)

print("Data scraped and saved to output.csv")

Результат: GPT оказалась быстрее, код качественнее. Но Вася приобретал опыт.

Раунд 2: Создаем простой API на Flask

Задача: Разработать API, который возвращает список пользователей из фейковой базы данных.

Действия Васи: Вася столкнулся с трудностями при работе с Flask, но с помощью написал код. Он забыл про сериализацию данных в JSON.

Действия GPT: Нейросеть выдала готовый API с эндпоинтом, сериализацией в JSON и минимальной обработкой ошибок. Скорость и качество впечатляют.

# GPT: API на Flask за пару секунд
from flask import Flask, jsonify

app = Flask(__name__)

users = [
    {'id': 1, 'name': 'John Doe'},
    {'id': 2, 'name': 'Jane Doe'}
]

@app.route('/users', methods=['GET'])
def get_users():
    return jsonify(users)

if __name__ == '__main__':
    app.run(debug=True)

Результат: GPT снова лучше, быстрее и с меньшим количеством ошибок. Но Вася учился.

Раунд 3: Пишем юнит-тесты

Задача: Написать юнит-тесты для простой функции сложения двух чисел.

Действия Васи: Вася написал тесты, но не учел граничные случаи, например, когда одно из чисел отрицательное.

Действия GPT: Нейросеть сгенерировала полный набор тестов, включая все граничные случаи. Код — чистый и понятный.

# GPT: Юнит тесты, которые Вася забыл написать
import unittest

def add(x, y):
    return x + y

class TestAdd(unittest.TestCase):
    def test_add_positive_numbers(self):
        self.assertEqual(add(2, 3), 5)

    def test_add_negative_numbers(self):
        self.assertEqual(add(-2, -3), -5)

    def test_add_positive_and_negative_numbers(self):
        self.assertEqual(add(2, -3), -1)

    def test_add_zero(self):
        self.assertEqual(add(0, 5), 5)

if __name__ == '__main__':
    unittest.main()

Результат: GPT снова выиграла. Но теперь Вася знает про граничные случаи и как их тестировать, то есть освоил новый навык. Какие выводы можно сделать из этого баттла?

В чем GPT превосходит джуна?

Эксперимент показал, что GPT хорошо генерирует код. Его сильные стороны:

Скорость: Код создается за секунды, джуну нужно время на обдумывание, поиск информации и эксперименты.
Качество кода: Часто код — чистый, структурированный и с комментариями.
Полнота: GPT учитывает обработку ошибок и граничные случаи (при правильном запросе).
Анализ кода: GPT анализирует большие объемы кода, выявляет проблемы и предлагает решения.

В каких задачах джун лучше GPT?

Джун незаменим в следующих ситуациях:

Понимание задачи: Джун может вникнуть в сложные требования, задавать вопросы и уточнять детали. GPT сгенерирует код по запросу, но не поймет контекст.
Креативность: Джун может предлагать нестандартные решения, выходящие за рамки возможностей нейросети.
Обучаемость: Джун учится на ошибках, набирается опыта и улучшает свои навыки. GPT просто выдает код, не развиваясь (пока).
Адаптивность: Если задача меняется, джун адаптируется к новым условиям. GPT требует переформулировки запроса.
Отладка (debugging): Когда программа не работает, и логика ее работы неясна, нужен человек, способный проанализировать код.

Один из комментаторов на Хабре подметил, что "некоторые новые джуны не умеют писать код...". Возможно, ИИ и правда обогнала некоторых из них?

Как я использую GPT в Сабке

Я не пишу код с нуля с помощью GPT. Активно использую ИИ для:

Генерации юнит-тестов. Это спасение, когда не хочется заниматься рутиной.
Рефакторинга кода. Некачественный код можно "скормить" ИИ и получить более читабельный вариант.
Объяснения сложного кода. Если я сталкиваюсь с непонятным куском кода, я прошу ИИ объяснить, что он делает.

В Сабке удобно сравнивать ответы разных моделей в мультичате. Например, разные модели, чтобы выбрать оптимальный вариант. Если ответ вызывает сомнения, его можно проверить через Perplexity.

Скриншот интерфейса Сабки. В мультичате одновременно работают GPT 5 nano, Gemini 2.0 Flash и DeepSeek Chat. Виден значок фактчека Perplexity.

Например:

Напиши функцию на Python, которая проверяет, является ли строка палиндромом.
Добавь юнит-тесты для этой функции.

И посмотреть, что предложат разные нейросети. У каждой свои сильные стороны.

В Сабке есть готовая библиотека промптов для разных задач, что экономит время.

Так заменит ли GPT джунов?

Нет, GPT не заменит джунов. Но это мощный инструмент, который поможет начинающим разработчикам учиться, работать быстрее и эффективнее. Это как электроотвертка: шурупы можно закручивать обычной, но с электроинструментом проще и быстрее.

GPT — это не замена разработчику, а его ассистент. И ему нужно правильно ставить задачи и проверять результаты.

GPT может генерировать код, который по качеству и стилю напоминает работу начинающего разработчика, но требует четких инструкций.

Хотите попробовать GPT в деле?

Сабка использует токены, разные модели расходуют их по-разному. Вы можете протестировать сервис бесплатно (12 запросов) или приобрести подписку Plus за 999 руб/мес (4 млн токенов).

Попробуйте Сабку бесплатно! https://sabka.pro?utm_source=blog