もしコードベースが実際にPostgresに保存されていて、エージェントがDBに読み書きすることでファイルを直接変更したらどうでしょうか? コードの速度は3〜5倍に増加しました。この状況は間違いなく続くでしょう。PRレビューはすでに高出力チームにとってボトルネックとなっています。 10〜100〜1000人のエージェントがコードを書いている中で、ファイルシステム上でコードベースがチェックアウトされたのはひどいプリミティブのように思えます。 コードは現在高速データであり、そのようにモデル化されるべきです。最低限、書き込みレベルの原子性とエージェント間のより良い調整、コードベースの状態変更にサブスクライブするためのより良い同期プリミティブ、そしてリアルタイムのファイルレベルのコードlint/fmt/reviewが必要です。 現在の約20年前のgitチェックアウト/ブランチ/プッシュ/PR/レビュー/リベースというパラダイムは2026年1月に終了しました。スケール法則に本当に追いつくためには、コード作成のためのまったく新しい基礎システムが必要です。

🚨速報:アリババは100の実際のコードベースでAIコーディングエージェントを233日間にわたってテストしました。 エージェントたちは見事に失敗した。 一度のテストに合格するのは簡単だとわかりました。8ヶ月間コードを壊さずに維持することがAIの崩壊点です。 SWE-CIは、一時的なバグ修正ではなく、長期的なコード保守を測定する初のベンチマークです。 各タスクは71回連続した実際の進化コミットを追跡します。 AIモデルの75%はメンテナンス中に以前に動作していたコードを壊します。 クロード作品4だけが50%を超えるゼロ回帰率を維持しています。他のすべてのモデルは技術的負債を蓄積し、反復を重ねるごとに複利的に増えていきます。 ここが残酷な部分です: - HumanEvalとSWEベンチの指標「今は効果があるか」 - SWE-CIの「6か月の変更後も機能するかどうか」の指標 スナップショットテストに最適化されたエージェントは、今日はテストに合格しても明日には保守不可能になる脆弱なコードを書いています。 アリババは後のバージョンを初期よりも重く重くするためにEvoScoreを構築しました。コードの質を犠牲にして素早い勝利を収めるエージェントは、結果が重なることで罰せられます。 AIコーディングの物語はより正直になりました。ほとんどのモデルはコードを書くことができます。ほとんど誰もそれを維持できません。