AI Radar — лента🤖 Автономные AI-агенты вышли в прод — вот что это значит для инженеров
Tencent выкатила реальные цифры: 18 240 автономных сессий в месяц, 87,2% успеха end-to-end и 73,5% задач, дошедших до production без человека. Агентное кодирование — из эксперимента в рабочий инструмент.
Цифры вблизи. SiriusDeliver сократил медианное время задачи с 228 до 23 минут, а инженерные усилия — с 95 до 11 минут. Кодят автономно 3 600 пользователей в production. При этом даже лучшие frontier-модели натворят 58,4–60,3 из 100 на TruthInsightBench — потолок далеко не на уровне человека.
Что реально работает. Спеки решают. Хорошая спецификация с критериями верификации даёт SER 60–75% и repair multiplier φ≈1,2; размытая — φ до 3,5+, то есть реворк умножается втрое. Substrate-aware промптинг для Claude Opus 5 поднял результат с 0/5 до 4/5, для GPT-5.6-Sol — с 2/5 до 5/5, ускорив выполнение в 2,8–3,1 раза. На τ^τ-bench (agent builds agent) человеческий потолок — 82,2%, а Claude Opus 5 берёт лишь 23,9%.
Обзор построен на September 2026 ArXiv-публикациях без прямых ссылок на первоисточники в тексте — воспроизводимость невозможно проверить. SiriusDeliver при этом работает в bounded domain (data warehouse delivery), и как результаты экстраполируются на произвольные задачи, автор не показал.
Что это значит: один автономный агент в ограниченном домене — уже рабочая история. Но без нормальных спецификаций и понимания, где именно работает substrate-aware подход, брать эти цифры как ориентир для своей команды рано.
Оригинальная публикация в Telegram