Epoch AI и METR выпустили MirrorCode - это бенчмарк (набор тестовых задач), где агент в... — 29 июля 2026 г. в 15:04:04.750
Epoch AI и METR выпустили MirrorCode - это бенчмарк (набор тестовых задач), где агент воссоздаёт реальную программу с нуля только по документации, без исходного кода и без интернета. Claude Opus 4.7 переписал программу gotree (16 тысяч строк) за 14 часов и $251. По оценке исследователей, человеку без ИИ на это нужно от 6 до 17 недель. Самый дорогой прогон теста обошёлся в $2600, агент работал 19 дней без единого вмешательства человека. $251 и 14 часов против 17 недель и зарплаты разработчика. Разрыв уже такой, что спорить бесполезно. В бизнесе полно регламентов и инструкций. Дать агенту описание процесса и попросить воссоздать его в коде или в автоматизации - это уже не фантастика. Вопрос не «можно ли», а надо делать! (2/2)
27 просмотров