Сооснователь Sentry критикует большие языковые модели за замедление долгосрочного развития

Согласно мониторингу 1M AI News, сооснователь платформы ошибок Sentry Дэвид Крамер сегодня опубликовал пост в X, в котором прямо заявил, что «полностью уверен», что крупные языковые модели в настоящее время не повышают чистую производительность. Он считает, что LLM снижают порог входа, но постоянно генерируют все более сложный и трудный для поддержки код, что, по его собственному опыту, замедляет долгосрочную скорость разработки.

Крамер говорит, что он ставит под сомнение «агентное инжиниринг» — подход, при котором модели автоматически генерируют код и сразу же развертывают его, считая, что качество такого кода значительно хуже и при накоплении становится чистой обузой. Конкретные проблемы включают: плохую производительность при инкрементальной разработке в сложных кодовых базах, неспособность генерировать интерфейсы, соответствующие принятому стилю языка, а также «чистую генерацию тестов-мусора». Он особо упомянул OpenClaw: «Если бы мне пришлось делать ставку, инструменты вроде OpenClaw из-за чрезмерного количества генерируемого кода уже не могут спастись (irrecoverable)», и подчеркнул: «Создание программного обеспечения по-прежнему сложно, и речь никогда не идет о минимизации или максимизации количества строк кода».

Крамер добавил, что вышеуказанные выводы в основном основаны на его опыте разработки функций в зрелых кодовых базах с нормальной сложностью; недавнее увеличение его вклада связано с тем, что ему «интересно», а не с тем, что стало «легче», и он считает, что это в сущности психологические изменения, а реальное время, затрачиваемое на задачи, не изменилось существенно.