Кодирование с помощью ИИ переходит от «дивиденда инструмента» к полной перестройке систем. В течение двух лет наиболее ощутимым изменением для разработчиков было более быстрое автодополнение и уменьшение шаблонного кода; эта фаза эффективности одной точки завершена. Модели теперь читают целые кодовые базы, понимают структуру проекта и участвуют в пул-реквестах и код-ревью — смещая разработку ПО от «под руководством человека при содействии ИИ» к «человек ставит цель, ИИ управляет процессом». Компания Cursor, занимающаяся ИИ-кодированием и пережившая взлеты и падения сектора, достигнув примерно 2 миллиардов долларов годовой выручки, теперь представила конкретные цифры этого сдвига в своем первом Отчете о привычках разработчиков, основанном на данных собственного продукта по пяти темам.
Для любого разработчика или технического руководителя, решающего, как использовать эти инструменты, ценность отчета заключается в том, что он заменяет интуитивные ощущения доказательствами — и эти доказательства несут предупреждение, которое упускает большинство материалов: ИИ не сближает разработчиков, а увеличивает разрыв между ними.
Насколько быстрее на самом деле работают разработчики?
По оценкам Cursor, темпы написания кода разработчиками примерно удвоились по сравнению с прошлым годом, и этот темп продолжает расти с начала 2026 года. Количество строк кода — несовершенная метрика, но она дает представление о направлении, — и меняется не только объем, но и форма работы. Количество строк, добавляемых на пул-реквест, выросло примерно в 2,5 раза по сравнению с прошлым годом, при этом рост продолжается, а «мега»-пул-реквесты, изменяющие не менее 1000 строк, становятся обычным явлением, поскольку разработчики используют ИИ для одновременного выполнения более крупных рабочих блоков; Cursor отмечает скачок в январе 2026 года, когда многие пользователи пробовали новейшие модели.
Сессии ИИ также становятся глубже. Среднее количество вызовов инструмента на один разговор с ИИ выросло примерно на 30% за последние два месяца, поскольку ассистенты чаще читают и редактируют файлы, ищут код, выполняют команды командной строки и просматривают веб. И результат закрепляется: доля принятого кода, предложенного ИИ, который остается неизменным через 60 минут, выросла с примерно 76% до 81% с начала 2026 года — это признак того, что большая часть того, что пишет модель, действительно переживает ревью, а не откатывается.
👉 Читайте далее:
Почему стоимость выбранной вами модели так сильно различается?
По мере того как модели становятся более мощными и берут на себя более глубокие задачи, стоимость становится большей частью пользовательского опыта, и компромиссы становятся резкими. Среди семи семейств моделей стоимость одного запроса различается почти в 9 раз, что означает, что один и тот же рабочий процесс может стоить совершенно разные суммы в зависимости от модели, лежащей в его основе.
Однако чистая цена вводит в заблуждение. Когда Cursor измерял код, который фактически сохраняется — строки, принятые и оставленные, — самый большой разрыв между дешевыми и дорогими моделями сузился до 7 раз, потому что более дорогие модели, как правило, производят больше пригодного для использования кода за один запрос и поэтому не так дороги, как кажутся на первый взгляд. Построение оценки каждой модели по внутреннему рейтингу Cursor, CursorBench, в сравнении со средней стоимостью задачи создает «границу стоимости-качества», практическую карту, которую команда использует для принятия решения о том, какая модель стоит своих денег для конкретной работы.
Закрывает ли ИИ разрыв между разработчиками или увеличивает его?
Здесь отчет резко противоречит распространенному предположению. Многие ожидают, что ИИ сгладит разницу между сильными и слабыми разработчиками; данные Cursor показывают обратное — он усиливает преимущество лучших.
Использование ИИ чрезвычайно сконцентрировано. Небольшая доля разработчиков отвечает за большую часть кода, сгенерированного ИИ, расходов на ИИ и потребления токенов, с коэффициентами Джини 0,77, 0,75 и 0,72 по этим мерам (чем ближе к 1, тем выше концентрация). Разрыв в результатах увеличивается в абсолютном выражении: топ-1% разработчиков производят в 46 раз больше строк кода, чем средний активный пользователь, и в 15 раз больше объединенных коммитов, в то время как разработчики с 90-го процентиля опережают средний показатель на гораздо меньший отрыв. Эта закономерность соответствует интуиции о том, что разработчики, понимающие архитектуру, хорошо декомпозирующие задачи и способные судить о качестве вывода модели, превращают ИИ в рычаг, — в то время как те, кто относится к нему как к ящику для вопросов и ответов, видят ограниченную выгоду. Практический вывод для читателя: навык, который накапливается в рабочем процессе ИИ, — это суждение, а не скорость набора текста.
Что сейчас движет расходами на ИИ-кодирование?
Поскольку модели берут на себя более сложные задачи, они считывают гораздо больше, прежде чем начать писать, поглощая кодовую базу, намерение пользователя и окружающий рабочий процесс. Соотношение входных и выходных токенов быстро растет — модель выполняет больше «домашней работы» на каждый сгенерированный токен кода. Входные токены теперь составляют более 90% некэшированного потребления токенов, а их доля в эквивалентной стоимости токенов выросла с примерно половины до почти 70% с начала года.
Этот сдвиг, как ни парадоксально, выгоден для стоимости, поскольку входные токены намного дешевле выходных токенов, а кэшированные чтения еще дешевле. И кэширование теперь доминирует: токены кэшированного чтения составляют подавляющее большинство общей активности токенов, что означает, что ИИ-кодирование все чаще повторно использует ранее обработанный контекст, а не перечитывает все с нуля. Этот растущий объем контекста соответствует повышению уровня удержания — больший контекст помогает модели писать более точный и долговечный код. Именно поэтому реальный конкурентный ров в ИИ-кодировании смещается от чистой изобретательности модели к управлению контекстом, эффективности кэширования и контролю затрат. ИИ-кодирование начинает выглядеть не столько как более умный редактор кода, сколько как новая инфраструктура для производства программного обеспечения.
Насколько далеко ИИ-кодирование продвигается к автоматизации?
Инструменты ИИ-кодирования начинались с ускорения работы отдельных разработчиков; данные Cursor показывают, что началась следующая фаза, когда ИИ становится инфраструктурой для автоматизации всего жизненного цикла разработки ПО. С начала 2026 года изменения, вносимые ИИ и автоматически принимаемые в коммиты без пошагового человеческого обзора, выросли более чем в пять раз — это прямой показатель растущего доверия к модели в управлении частями рабочего процесса самостоятельно.
Автоматизация распространяется и на типы рабочих процессов. Принятие функций автоматизации Cursor растет, при этом проверка безопасности становится особенно сильным вариантом использования, а новые данные показывают ранний спрос на выполнение на основе SDK, поскольку разработчики стремятся превратить инфраструктуру ИИ Cursor в программируемую платформу, которую они могут настраивать по требованию. Это только начало, но первые шаблоны автоматизации уже видны — и они указывают за пределы генерации кода к обзору, тестированию и развертыванию.
👉 Читайте далее:
Что сигнализирует отчет
В совокупности данные показывают, где находится ИИ-кодирование и куда оно движется. Ранние состязания были связаны с возможностями модели и опытом взаимодействия — кто генерирует точнее и отвечает быстрее. По мере усложнения задач устойчивые преимущества смещаются в сторону управления контекстом, кэширования и контроля затрат — неприглядной «сантехники» производственной системы. Для разработчиков это двойное сообщение: ИИ — мощный рычаг, но он вознаграждает тех, кто уже умеет им пользоваться, и разрыв между лучшими и средними пользователями увеличивается. И по мере роста автоматически принимаемых изменений и распространения автоматизации за пределы генерации кода роль человека смещается от написания каждой строки к постановке целей и надзору за системой, которая все больше работает сама по себе.
Часто задаваемые вопросы
Что такое Отчет о привычках разработчиков от Cursor?
Это первый отчет Cursor о том, как разработчики используют инструменты ИИ-кодирования, основанный на собственных данных компании и опубликованный весной 2026 года. Он охватывает пять тем: ускорение работы разработчиков, экономика выбора модели, растущий разрыв среди лучших пользователей, рост контекста и кэширования, а также переход к автоматизации.
Делает ли ИИ-кодирование всех разработчиков одинаково продуктивными?
Нет. Данные Cursor показывают обратное: выгоды от ИИ сильно сконцентрированы: топ-1% разработчиков производят в 46 раз больше кода, чем средний пользователь, и в 15 раз больше объединенных коммитов. Отчет предполагает, что ИИ усиливает преимущество квалифицированных разработчиков, которые могут проектировать архитектуру, декомпозировать задачи и оценивать качество вывода.
Почему стоимость ИИ-кодирования так сильно различается в зависимости от модели?
Стоимость одного запроса различается почти в 9 раз среди семи семейств моделей, проанализированных Cursor. Разрыв сужается примерно до 7 раз при измерении по коду, который фактически проходит проверку, поскольку более дорогие модели часто производят больше пригодного для использования кода за один запрос, компенсируя часть своей более высокой цены.
Что означает «рост контекста» в отчете?
Модели теперь считывают гораздо больше перед генерацией кода: входные токены превышают 90% некэшированного использования, а кэшированные чтения составляют большую часть активности токенов. Это повторное использование предыдущего контекста снижает затраты и повышает точность, и это смещает конкурентное преимущество ИИ-кодирования в сторону управления контекстом, кэширования и контроля затрат, а не чистой интеллектуальности модели.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Jerry Owens
