За последний месяц вышли сразу три сильных исследования: SWE-Bench Pro, SWE-Bench Mobile и SWE-Skills-Bench. Их общий вывод оказался гораздо интереснее, чем очередное эффектное демо. Даже лучшие модели успешно решают лишь часть реальных инженерных задач. Причина не в качестве LLM. Инженерная работа — это не только генерация кода. Это понимание контекста, поиск скрытых требований, принятие архитектурных компромиссов и ответственность за последствия изменений. Я называю это «налогом на контекст». Каждый раз, когда агенту не хватает информации, команда платит этот налог: дополнительными итерациями, ревью, исправлениями и дефектами. Поэтому главный вопрос уже не «какую модель выбрать», а «насколько зрелая наша инженерная система». Перед внедрением AI стоит проверить пять вещей: • получает ли агент полный контекст; • описаны ли acceptance criteria; • может ли он сам проверить результат; • измеряете ли вы review time, defect rate и стоимость использования AI; • кто отвечает за финальный merge. AI не заменяет инженерную дисциплину. Он делает ее сильные и слабые стороны гораздо заметнее. Какой эффект вы увидели после внедрения coding agents в своей команде?