Адаптируем лендинг на другое ГЕО: 9 моделей, два прогона и цена результата

Друзья, приветствую! Недавно CPA.RIP сравнили Kimi 2.6, DeepSeek V4 Flash и GLM 5.2 на переводе и локализации испанского nutra-лендинга под Францию. Модели работали через веб-чат и последовательно получили два промпта: сначала на перевод, затем на более глубокую адаптацию имён, городов, учреждений и медиа.

Мы взяли тот же сценарий, расширили список до девяти моделей и перенесли работу из веба в агента — OpenCode. Результат вполне показательный для понимания, кому можно отдать пачку прелендов, а кого потом придётся долго допинывать руками.

Как тестировали

Исходником был испанский HTML-лендинг FitForma. Каждая модель получила одинаковую по смыслу задачу:

• перевести весь видимый текст на французский;
• заменить испанские и латиноамериканские сущности на французские;
• локализовать медиа, знаменитостей, врачей, города, учреждения, форму и комментарии;
• не сломать HTML, CSS, JS, форму заказа, картинки и якоря;
• сохранить результат в отдельный HTML-файл.

Доступ к моделям получили через pay-as-you-go шлюз OpenCode Zen. Арбитром, оценивающим результат, выступал GPT-5.5 с reasoning effort High. Он сравнивал файлы, рендерил страницы, искал непереведённый текст, проверял форму и технические ошибки.

Оценивали шесть пунктов: перевод, глубину локализации, замену медиа и знаменитостей, учреждения и географию, форму и технику, чистоту от испанских хвостов. Итоговый балл = среднее этих шести оценок.

Зачем мы перенесли тест из чата в агента?

Веб-чат справляется с переводом и умеет принимать файлы. Но при работе с лендингом такой workflow добавляет возни: скачать ответ, проверить пути, открыть страницу, убедиться, что форма и JS корректно работают и т.п.

В OpenCode модель получает инструменты и работает с проектом напрямую. Она может читать и редактировать HTML, запускать проверки, открывать страницу в браузере, смотреть ошибки в консоли, сравнивать версии и сохранять результат под заданным именем.

В нашем тесте агентная обвязка позволила держать все версии рядом, проверять фактический рендер и оценивать не только перевод, но и техничку. Для разового теста веб-чат проще. Для регулярной работы по локализации агент банально удобнее.

Первый прогон

Модели в целом сохранили структуру HTML, но некоторые как будто бы устали сразу же после первого экрана. Верх уже французский, а ниже испанские комментарии, footer, старые названия медиа и прочие «подарки верстальщику».

Первое место занял GLM 5.2 с 8,7. DeepSeek V4 Pro и Grok Build 0.1 разделили второе место с 8,5, хотя Grok просел на форме: в hidden-полях остались ES/SV.

Сильнее всех провалился Qwen. H1 остался почти полностью испанским, а форма всё ещё выглядела как латиноамериканская.

Кстати, мы не заставляли модели локализовать картинки, это отдельная технически сложная задача, про неё в другой раз!

Второй прогон: модель проверяет сама себя

Первый результат редко стоит сразу тащить в залив. Поэтому каждой модели мы задали второй промпт:

полностью проверь сам себя, найди все ошибки, непереведённые куски, нелокализованные сущности и т.п. и исправь. Если будет, что исправить — запиши результат в свой html-файл, предварительно добавив ему в название -v2, например example-v2.html

Вот как арбитр распределил места после проведённой самопроверки.

После self-check Grok и GLM разделили первое место с 8,8. Grok исправил главную техническую проблему: hidden-поля ES/SV превратились в FR/FR.

Самый большой рывок сделал Qwen: 4,7 превратились в 7,3. Модель исправила H1, форму и телефон, хотя глубже по странице испанские хвосты ещё встречались.

Kimi K2.7 тоже ожил: в первом раунде H1 был испанским, во втором стал французским. Результат вырос с 6,0 до 7,8.

DeepSeek V4 Pro изначально был сильным и почти не изменился.

Self-check лучше всего ловит ошибки, торчащие прямо перед носом: плохой H1, неверная страна в форме или телефон. Комментарии, footer, текст в меню он замечает хуже.

Сколько стоили два прогона

Посмотрим на график: данный аккаунт OpenCode Zen использовался только под этот эксперимент, поэтому дневная сумма по каждой модели отражает полную стоимость её первого запуска и self-check.

MiMo-V2.5 Free на момент теста была бесплатной, поэтому на графике расходов её нет.

Если нужен результат от 8,5 и выше, по этому прогону Grok Build 0.1 выглядит рациональнее остальных: 8,8 балла за $1.22. DeepSeek V4 Pro остаётся нормальным запасным вариантом, но конкретно здесь проиграл Grok и по цене, и по итоговой оценке.

DeepSeek V4 Flash интересен для массовой черновой работы: два прогона обошлись в 26 центов. Однако качество всё равно 7,8, а значит хвосты придётся искать отдельно.

GLM 5.2 дал результат уровня лидера, но за $7.92. В качестве основной рабочей лошадки для десятков адаптаций он дороговат. Зато его можно использовать точечно как строгого ревьюера, что мы и проверили следующим тестом.

Бесплатная MiMo под контролем GLM

После основных двух прогонов мы отдельно проверили, сможет ли слабая модель дойти до приличного файла под надзором сильного ревьюера. Исполнителем стала бесплатная MiMo-V2.5, арбитром — GLM 5.2.

MiMo правила только HTML и текст, сохраняла новую версию файла, после чего GLM проверял видимый текст, атрибуты, CSS, форму и JS-код. Картинки в этот тест не входили. GLM выдавал список косяков для исправления, и затем MiMo шла на следующий круг.

Сокращённый шаблон процесса:

Возьми текущий HTML-файл и улучши только текстовую/HTML-локализацию.
Картинки и текст, запечённый в изображениях, не трогай и не учитывай.

1. Проверь весь видимый текст, alt/title/placeholder/value, CSS content и JS-строки.
2. Исправь непереведённые фрагменты, нелокализованные имена, географию, медиа, даты, UI-лейблы.
3. Сохрани результат в новый файл с суффиксом -vN.
4. Передай файл субагенту: сильной модели-арбитру на ревью.
5. Если арбитр нашёл ошибки, исправь их и повтори цикл.
6. Остановись, когда арбитр поставит 9+/10 или скажет production-ready.

MiMo дошла до mimo25-v7.html. GLM поставил финальному HTML/text layer 10/10 и не нашёл проблем в видимом тексте, атрибутах, CSS content, форме и JS-строках.

По деньгам здесь вышло меньше доллара, поэтому рекомендуем запомнить паттерн: бесплатную или дешёвую модель можно поставить на рутинные правки, а дорогую подключать к ревью вместо того, чтобы запрягать её делать всю работу целиком.

Для того, чтобы модель не завершила работу досрочно, следует помимо вышеуказанного промпта применять команду /goal, которая чекает критерии завершения и заставляет модель работать дальше, если проверка не прошла.

Что брать в работу

• Используйте Self-check.
• С локализацией хорошо справляется Grok Build 0.1 и GLM 5.2. С учётом цены победителем становится Grok.
• DeepSeek V4 Flash хорош как дешёвый черновой исполнитель. MiMo-V2.5 Free вообще ничего не стоила, но обе модели требуют отдельного контроля.
• Связка «дешёвая модель правит, сильная проверяет» позволяет тратить меньше денег, получая при этом результат сравнимый с топовым.
• Для работы с целым лендингом агентная обвязка удобнее веб-чата: она пишет файлы, запускает проверки и показывает страницу в браузере.
• Для локализации изображений потребуются совсем другие модели.

А у меня на этом всё, на связи был Жёлтый, до скорого!

Что ещё почитать

Открыть полный хаб по арбитражу трафика →

Ускоряем и упрощаем перевод прелендингов/лендингов Салам алейкум, Жёлтый за клавиатурой. Стандартное начало: нашли вы, значит, в спаях себе прокладку под ммм простатит на… Редактируем лендинги как профи: очистка, замена оффера, страны и языка – полный чеклист. Всем привет, сегодня расскажу о том, как я чищу и редактирую выкачанные из ПП или из спаев (пре)лендинги.… Поднимаем свои универсальные IPv6 прокси на VPS в 2026 Разбираю, как поднять свои универсальные IPv6-прокси на VPS: режимы existing, cidr, list, а также install, show и uninstall.