Дешевші моделі беруть рутинний код

Cursor перевірила новий swarm агентів на задачі: відтворити SQLite на Rust лише за 835-сторінковим мануалом, без коду, тестів, бінарника й інтернету. У новій схемі frontier-моделі планують, а швидші дешевші моделі виконують підзадачі. Через 4 години нові запуски набрали 73–85% у sqllogictest проти 11–77% у старих, а згодом усі конфігурації дійшли до 100%.

Ключ не в більшій кількості агентів, а в розподілі ролей і контролі конфліктів: стара система на Grok 4.5 зробила 68 тис. комітів за 2 години й понад 70 тис. merge conflicts, нова трималася нижче 1 тис.

Що це означає для бізнесу: для великих coding-задач варто тестувати гібрид: дорогі моделі — для декомпозиції й дизайну, дешевші — для виконання. Це може знизити витрати, але якість планувальника лишається критичною.