👀 ИИ пишут чисто, поддерживают грязно

Alibaba протестировала 18 ИИ-агентов в симуляции реальной разработки:
• 100 настоящих кодовых баз;
• каждая кодовая база — 233 дня разработки;
• каждая задача — 71 последовательный коммит реального развития кода.

Цель эксперимента — понять могут ли ИИ-агенты поддерживать код на протяжении 8 месяцев, не ломая старое.

Для этого Alibaba сделала новый бенчмарк SWE-CI, который проверяет не починила ли нейросеть баг один раз, а как код переживает эволюцию проекта в целом.

Итог не очень:

75% моделей при внесении изменений ломают ранее работавший функционал и накапливают техдолг с каждой новой правкой.

Нормально справились только Claude Opus 4.5 и 4.6. Они смогли удержать планку выше 50% zero-regression rate.

Остальные модели показали, что пока они хороши только для генерации сниппетов «с нуля». Как только дело доходит до долгосрочной поддержки и эволюции проекта, модели теряют контекст и превращают кодовую базу в хаос.

Исследователь Юсуф Астарбади нашел способ получить бесконечный доступ к Claude Opus через Perplexity.

Он случайно заметил, что агент Claude Code запускается внутри среды как обычное Node.js приложение. Хакер просто добавил в общую директорию файл .npmrc с командой, которая подгружает свой скрипт перед запуском основного кода. Вредоносный код сработал и просто «выплюнул» системный API-ключ.

Ключ ни к чему не привязан: ни к IP, ни к сессии. Юсуф вставил его на своем ноутбуке, и все заработало. Запросы шли напрямую через мастер-аккаунт Perplexity в Anthropic, минуя лимиты. Opus 4.6 работал на полную, а счетчик кредитов стоял на месте.

Урок: прокси-токены должны быть эфемерными, привязанными к сессии и юзеру. Иначе стартап с миллиардной оценкой ломается любой .dotfile из 2019.

Почему задачка «на полчаса» может вдруг растянуться на недели?

Эйвери Пеннаруна, CEO Tailscale, заметил простую закономерность: каждый этап согласования и код-ревью замедляет работу над задачей в 10 раз. И нет, нейросети тут не спасают.

Даже если Claude напишет фичу за 3 минуты, кто-то все равно потратит полдня, чтобы ее проверить. А если убрать ревью — здравствуйте, вайб-кодинг, где агенты чинят свои же баги по кругу.

Решение, по его мнению, не в еще одном слое QA, а в изменении архитектуры: крошечные автономные команды и модульная разработка. Вместо ловли ошибок нужно системно устранять их первопричины.

ИИ здесь подходит идеально: быстро рефакторит и собирает независимые микросервисы, которым можно доверять без лишней бюрократии.

А как у вас в команде: ревью — это гарант качества или главная причина сорванных дедлайнов? 👀

Конец программирования, каким мы его знали?

Программирование переживает «тектонический сдвиг»: нейросети забирают на себя рутину, превращая разработчиков из «строителей» в архитекторов, управляющих ИИ-агентами на простом английском.

Цифры поражают:
• В стартапах производительность взлетела в 20–100 раз — задачи, на которые раньше уходил целый день, теперь решаются агентами Claude за 30 минут.
• ИИ-агент Amazon устранил сбой на сервере за 15 минут — раньше у целой команды на это уходило около 8 часов.
• В Google нейросети пишут почти половину нового кода, увеличив общую скорость работы 100-тысячного штата инженеров на 10%.

Но есть и суровая обратная сторона: по данным исследования Стэнфорда, с 2022 года количество вакансий для junior-разработчиков сократилось на 16%.

«Навыки, которые казались наиболее техническими и пугающими, могут оказаться теми, что легче всего автоматизировать. На первый план выходят социальные и творческие способности.»

Зато порог входа в создание ПО стирается окончательно: в статье приводится пример менеджера типографии без малейшего опыта в IT, который с помощью ИИ создал на Python рабочее приложение для обработки 2000 изображений в день.