Что произошло
Команда Cursor провела масштабный эксперимент по созданию сложного ПО силами координированных групп ИИ-агентов («роёв»). Их цель — понять, как распределённые системы ИИ могут эффективно решать задачи уровня полной разработки SQLite с нуля.
Главный успех: новый подход с разделением ролей между агентами позволил за 4 часа воспроизвести 80% тестов SQLite на Rust, тогда как старые методы «спотыкались» уже на втором часу. При этом стоимость работы снизилась в 25 раз по сравнению с использованием единого мощного ИИ.
Детали
Архитектура роя:
- Планировщики (дорогие мощные модели вроде GPT-5.5) разбивают задачу на подзадачи
- Исполнители (бюджетные быстрые модели) реализуют конкретные куски кода
Человеческий мозг не может одновременно удерживать архитектуру системы и писать строки кода. Рои решают эту проблему, разделяя контексты: планировщики думают «что делать», исполнители — «как сделать». Это предотвращает «дрейф» от изначальной цели.
Технические инновации:
- Собственная система контроля версий, обрабатывающая 1000 коммитов/сек (Git выдерживает ~1 коммит/сек)
- Автоматические механизмы разрешения конфликтов (мегафайлы, противоречивые решения)
- «Полевое руководство» — общая база знаний, которую агенты пополняют для следующих поколений
Экономика моделей:
- Использование гибридного подхода (Opus 4.8 + Composer 2.5) снизило стоимость с $10,565 до $411
- 90% токенов генерируют дешёвые исполнители, но 2/3 стоимости — это редкие вызовы дорогих планировщиков
«Фронтальные модели нужны лишь для ключевых решений. Как только задача разбита, дешёвые агенты просто следуют инструкциям»
Почему это важно
- Скорость и масштаб: Рои могут параллельно разрабатывать сотни компонентов, что невозможно для человека или одиночного ИИ
- Снижение затрат: Разделение труда позволяет экономить на 90% токенов без потери качества
- Новый уровень абстракции: Инженер теперь может описывать систему на уровне архитектуры, а реализацию доверять рою
- Устойчивость к ошибкам: Автоматический ревью от нескольких независимых агентов ловит больше багов, чем человеческая проверка
Пока рои создают рабочие, но неоптимальные решения. Код SQLite от агентов в 2-6 раз больше оригинала. Но это вопрос времени — система уже учится рефакторить «мегафайлы».
Что дальше
- Гибридные команды: Люди будут задавать архитектуру, рои — реализовывать, а дорогие ИИ — решать узкие сложные проблемы
- Сквозная автоматизация: От проектирования до тестирования и деплоя без человеческого вмешательства
- Экономика токенов: Биржи моделей, где задачи автоматически распределяются между ИИ разной стоимости
Эксперимент показал, что будущее ИИ-разработки — не в гигантских универсальных моделях, а в координированных экосистемах узкоспециализированных агентов. Это меняет правила игры для стартапов, которые теперь могут разрабатывать сложные системы с минимальным бюджетом.
Источники
- Оригинал: cursor.com — © cursor.com