AI Radar
Anysphere провела эксперимент, в котором агентные конфигурации реализовали на Rust содержимое 835-страничного руководства SQLite без доступа к исходному коду, сборкам и тестам SQLite. По данным Cursor, все четыре основные конфигурации прошли полный набор sqllogictest.
В тестах сравнивались solo-запуски GPT-5.5 и Grok 4.5, а также схемы, где планирование выполняли Opus 4.8 или Fable 5, а реализацию — Composer 2.5. Агентам не сообщали о существовании sqllogictest, а Cursor заявляет о ручной проверке на подгонку под тесты.
Самой дешёвой основной конфигурацией стала пара Opus 4.8 и Composer 2.5 с заявленной стоимостью $1339; solo-запуск GPT-5.5 обошёлся в $10 565. Это результаты эксперимента самой компании, а не независимого сравнения.
Кейс интересен как иллюстрация разделения труда между сильной моделью для декомпозиции и более дешёвой моделью для исполнения в длинных инженерных задачах.
Редкий подробно описанный эксперимент по автономной разработке крупного совместимого ПО, с измерением стоимости нескольких агентных конфигураций.
DSML editors review the selection. AI helps deduplicate signals and draft the text; the published edition remains an editorial product, not a feed of individual channels.
