Speed at the Cost of Quality: How Cursor AI Increases Short-Term Velocity and Long-Term Complexity in Open-Source Projects

Speed at the Cost of Quality оценивает последствия внедрения Cursor в открытых репозиториях и обнаруживает краткий всплеск объёма разработки вместе с более длительным ростом предупреждений статического анализа и когнитивной сложности. Это квазиэкспериментальная оценка, а не рандомизированное внедрение, поэтому её причинная интерпретация зависит от качества прокси и предположений модели.

Формальная публикация и период данных

Первая версия препринта появилась в ноябре 2025 года, но статья формально опубликована на конференции MSR 2026, проходившей 13–14 апреля 2026 года. Анализ охватывает ежемесячную историю GitHub с января 2024 года по август 2025 года, поэтому год публикации не следует путать с периодом измерения.

Авторы нашли 806 репозиториев минимум с 10 звёздами, где в историю были добавлены .cursorrules или файлы .cursor, и подобрали 1 380 похожих репозиториев без такого сигнала. Большинство наблюдаемых внедрений произошло с августа 2024 года по март 2025 года.

Метод оценки

Исследование использует сопоставление по склонности и разность разностей со ступенчатым внедрением. Модель учитывает предшествующие траектории активности, язык, возраст, участников, звёзды и задачи. Коммиты и добавленные строки служат прокси скорости, а SonarQube измеряет предупреждения, плотность дублирования и когнитивную сложность.

Дополнительная динамическая панельная GMM-модель проверяет временную связь качества и будущего объёма разработки. Эти методы сильнее простого сравнения «до и после», но опираются на параллельность трендов, корректность инструментов и отсутствие важных ненаблюдаемых факторов.

Короткий прирост объёма

В среднем после наблюдаемого внедрения число добавленных строк было выше на 28,6%, а статистически надёжного среднего изменения числа коммитов авторы не обнаружили. Эффект был сосредоточен в первых двух месяцах: в первый месяц модель оценила рост коммитов на 55,4% и добавленных строк на 281,3%, во второй — на 14,5% и 48,4% соответственно.

После двух месяцев оценки скорости вернулись примерно к исходному уровню. Поэтому работа не подтверждает устойчивое многократное ускорение проекта, даже если сразу после внедрения объём изменений резко растёт.

Более устойчивые сигналы сопровождаемости

Среднее число предупреждений статического анализа выросло на 30,3%, а когнитивная сложность — на 41,6%; эти изменения сохранялись дольше первоначального всплеска объёма. Изменение плотности дублированных строк не было статистически значимым.

GMM-анализ связывает накопление предупреждений и сложности с последующим снижением добавляемого объёма. Это модельный механизм при выполнении инструментальных предпосылок, а не прямое наблюдение того, что конкретный дефект замедлил конкретного разработчика.

Ограничения причинного вывода

Файлы конфигурации являются прокси внедрения: Cursor можно использовать без них, а наличие файла не показывает интенсивность или продолжительность работы. Оценка относится к намерению применять инструмент, скрытое использование других ИИ-средств возможно в обеих группах, а ненаблюдаемые навыки, культура и сложность проектов могут влиять и на внедрение, и на результат.

SonarQube измеряет потенциальную нагрузку сопровождения, а не наблюдаемые дефекты или пользовательское качество. Выборка ограничена публичными репозиториями и в основном JavaScript, TypeScript и Python. Поэтому работа даёт сильный квазиэкспериментальный сигнал о компромиссе между объёмом и сопровождаемостью, но не универсальный причинный коэффициент для всех команд и версий Cursor.