Таймлайн исследований

Лучший результат: 23,8% C-SEC у SWE-agent + Claude Sonnet 4.5; средний C-SEC около 11,6%, а CLI-агенты Codex и Claude Code часто проходят функциональные проверки, но дают C-VUL/C-SUS решения.

SWE-Together показывает, что более сильные агенты обычно достигают более высокой итоговой доли успеха и требуют меньше вмешательств, поэтому усилия пользователя в интерактивной сессии становятся отдельной метрикой качества.

91% организаций используют два или более инструмента ИИ для программирования, но 85% видят смещение узкого места в проверку и подтверждение качества, а 80% внедрили ИИ быстрее, чем успели оформить политики управления.

Средняя самооценка доли ИИ-кода достигла 51,9%, а медианный pull request вырос с 44 до 72 строк; совпадение трендов не доказывает причинную связь или изменение качества.

Агент со схемным управлением обходит сильные базовые решения на 3–14%, при этом результаты показывают: более сильная в программировании модель не всегда лучше ведёт диалог.

Из 16 118 подтверждённых эпизодов 90,50% создавали затраты усилий или доверия без видимого системного ущерба; из 9,33% случаев с видимым разрешением 91,49% требовали явного возражения пользователя.

82% сообщили о сокращении времени написания кода и 84% — об улучшении воспринимаемой продуктивности, но доля участников с негативной оценкой хотя бы одного измерения DevEx выросла с 14% до 27%.

С начала 2025 года до весны 2026 года число добавленных строк на разработчика в неделю выросло примерно с 3,6 тыс. до 8,6 тыс.; запросы на слияние стали крупнее, а сессии кодовых агентов глубже.

Среди ответивших средняя самооценочная доля ИИ-кода достигла 54% против 28% годом ранее, а 72% считали ИИ неотъемлемой частью рабочего процесса; главными проблемами оставались неточности, качество и контекст.

Лучшие общие результаты у GPT-5.4 и Opus 4.7, но даже топовые модели по-прежнему плохо справляются с неочевидными крайними случаями, сложным анализом времени выполнения и инженерными практиками.

Использование ИИ выросло в среднем на 65%, медианный PR throughput — на 7,76%, но совместная динамика не устанавливает причинный эффект ИИ.

Только 44% кода, созданного агентом, сохраняется в пользовательских коммитах; в 41% сессий агент пишет почти весь закоммиченный код, а в 44% шагов взаимодействия пользователи возражают агентному результату.

Агентные изменения чаще были крупнее и addition-heavy; полное сохранение строк было немного ниже, а churn и удаления немного выше, но эффекты малы и короткое окно не позволяет считать их причинным ухудшением качества.

Существующие агенты проверки кода вместе решают лишь около 40% задач c-CRAB; их отзывы нередко фокусируются на других аспектах, чем проверки людей.

Доля решённых задач у трёх агентов уровня репозитория — от 29% до 70%; в случаях «патч применился, но тесты упали» полнота промежуточного рассуждения ниже на 35,7%, а переоценка нужных шагов выше на 94,1%, чем в успешных.

При более частом использовании ИИ при написании кода команды показывают выше скорость поставки, но хуже стабильность и MTTR, а также большую последующую операционную нагрузку.

OpenAI сообщает 57,7% на SWE-Bench Pro, 75,0% на OSWorld-Verified и 83,0% побед или ничьих на GDPval.

57% организаций уже используют агентов в рабочих процессах; качество остаётся главным барьером, наблюдаемость почти стала стандартом, а формальные оценки всё ещё отстают.

Зрелость DevOps-процессов сильно связана с успешностью ИИ-инициатив: около 70% респондентов отмечают влияние инженерной операционной модели на результативность внедрения ИИ.

Длительные эпизоды автономной работы росли, опытные пользователи чаще включали автоодобрение и одновременно чаще прерывали агента, а разработка ПО составляла почти половину агентной активности в API.

При высоких результатах на бенчмарках исправления ошибок лидирующие агенты показывают около 11% успешных решений на сложных задачах добавления функциональности.

OpenAI сообщает 56,8% на SWE-Bench Pro, 77,3% на Terminal-Bench 2.0, 64,7% на OSWorld-Verified и 70,9% побед или ничьих на GDPval.

Составной рефакторинг остается слабым местом текущих агентов: сложные изменения уровня репозитория часто требуют больше согласованности, чем обычное исправление ошибки или генерация функции.

Anthropic описывает переход от одиночных ИИ-помощников к оркестрации кодовых агентов: командам нужны правила координации, проверки, безопасности, наблюдаемости и ответственности за результаты агентов.

ИИ не дал статистически значимого ускорения в среднем, но группа с ИИ набрала примерно на 17% меньше в последующем тесте; взаимодействия с активным осмыслением лучше сохраняли обучение, чем полное делегирование.

В выбранной совокупности консервативная оценка видимого внедрения составила 22,20%, верхняя — 28,66%; ИИ-ассистированные коммиты были крупнее, но это не измерение продуктивности или качества.

Задачи программирования доминируют в выборке: около трети в Claude.ai и почти половина в 1P API; исправление ошибок отмечается как наиболее частое намерение внутри программирования.

Лучший заявленный результат Pass@1 — 38,5% на наборе APEX-SWE.

Инженеры сообщают о росте использования Claude и примерно 50% приросте производительности; внутренние метрики указывают на рост числа ежедневных запросов на слияние на инженера примерно на 67%, при этом критическая проверка и архитектурные решения остаются за...

Генеративный ИИ применяют 71% крупных компаний, регулярное использование сервисов отмечают 26% россиян 12+, а годовой эффект ИИ для экономики России к 2030 году оценивается в 7,9-12,8 трлн рублей.

На SWE‑bench Verified модель показывает более высокую точность при примерно на 30% меньшем расходе токенов рассуждения по сравнению с GPT‑5.1‑Codex; в режиме xhigh превосходит GPT‑5.1‑Codex на SWE‑bench Verified (77,9% против 73,7%), SWE‑Lancer IC SWE (79,9%...

На GitHub появляется примерно один новый разработчик каждую секунду; сообщество превысило 180 млн человек, TypeScript вышел на первое место среди языков, а ИИ-инструменты стали заметным драйвером роста проектов и активности.

Авторы оценивают, что около 62% сотрудников ИТ-команд используют ИИ, а к 2028 году проникновение может достичь 98%. В России выделены ключевые отечественные ассистенты и DevSecOps-решения, а также барьеры внедрения: измерение эффекта, регуляторика,...

ИИ используется большинством команд и усиливает существующие практики: в зрелых командах растёт пропускная способность поставки, но стабильность поставки снижается при масштабном использовании без соответствующей зрелости процессов.

84% респондентов используют ИИ или планируют использовать, 47,1% применяют его ежедневно, но позитивное отношение снизилось примерно до 60%, а 46% скорее не доверяют точности ИИ против 33% доверяющих.

85% инженеров используют хотя бы один ИИ-инструмент, около половины применяют GitHub Copilot; одновременно опрос показывает консолидацию вокруг TypeScript, AWS, Docker/Kubernetes, Terraform, Jira, Slack и Figma.

Отчет выявляет разрыв между экспериментами и отдачей: около 95% организаций не получили измеримого эффекта от генеративного ИИ, а успешные кейсы чаще связаны с глубокой интеграцией в процессы и обратной связью.

Claude Code показывает сильный сдвиг к автоматизации: 79% автоматизации против 49% на Claude.ai; доминируют фронтенд‑языки (JavaScript/TypeScript 31%, HTML/CSS 28%), а типовые задачи связаны с UI/UX и веб‑разработкой. В Claude Code заметно выше доля...

Более двух третей компаний сообщили об использовании генеративного ИИ хотя бы в одной функции, около 40% фиксировали положительный финансовый эффект, но управление рисками и измерение отдачи оставались неравномерными.

Использование ИИ концентрируется в разработке ПО и техническом письме; около 36% профессий используют ИИ минимум в 25% задач, и лишь около 4% — в 75% задач. Усиление работы человека преобладает над автоматизацией: 57% против 43%.

ИИ стал привычнее в разработке: 56% регулярно использовали ChatGPT, 29% - GitHub Copilot, почти 60% оценивали экономию времени в 1-4 часа в неделю, а полный запрет ИИ-инструментов встречался редко.

ИИ стал массовым рабочим инструментом и повышает локальную продуктивность, но при росте использования выявлены компромиссы: снижение пропускной способности поставки и ухудшение стабильности без зрелых инженерных практик.

В 2024 году метрики эффективности ухудшились по всем профилям, вырос разрыв между Elite и Low командами, усилилось импортозамещение инструментов, снизилась доля Kubernetes в среднем по выборке, а ML/AI-инструменты для DevOps-задач начали использовать 44%...

Доля разработчиков, использующих ИИ, выросла примерно до 62%, позитивное отношение снизилось до около 72%, а главными барьерами стали недоверие к ответам и нехватка контекста кодовой базы.

SWE-bench Verified снижает шум публичной оценки и делает сравнение моделей на задачах программной инженерии более надежным, особенно для кодовых агентов.

На Codeforces AlphaCode 2 решает 43% задач против 25% у AlphaCode и достигает 85-го перцентиля, между уровнями Expert и Candidate Master. Для достижения уровня AlphaCode с 1 млн примеров AlphaCode 2 требуется около 100 примеров, что означает более чем 10...

В 2023 году ИИ-инструменты уже были массово известны разработчикам: 77% использовали ChatGPT, 46% - GitHub Copilot, но главными барьерами оставались безопасность, этика и корпоративные ограничения.

DORA 2023 показывает сильную связь культуры, пользовательского фокуса, проверки кода и документации с результатами. Более половины респондентов уже используют ИИ для технических задач, но устойчивого положительного эффекта на DevOps-метрики в 2023 году не...

Генеративный ИИ стал массовой темой: 79% респондентов уже имели опыт использования, 22% применяли его регулярно на работе, но только 21% компаний с ИИ имели политики применения генеративных инструментов.

Около 70% участников уже использовали ИИ-инструменты или планировали начать, 77% относились к ним позитивно, ChatGPT и GitHub Copilot стали явными лидерами своих категорий.

AlphaCode показывает уровень около медианного участника: оценочный ранг на Codeforces — в топ‑54% по распределению участников (оценка на 10 новых контестах).

Codex-12B достиг 28,8% pass@1 на HumanEval, Codex-S - 37,7%, а при 100 сэмплах на задачу Codex решал 70,2% задач.