Цукерберг признал, что ИИ-агенты буксуют - и он не один

Разобраться за 20 минут · Сэкономит: бюджет токенов на неоправданных агентах · Уровень: средний · Чтение: ~30 минут · Данные актуальны на 10.07.2026

Что узнаешь:

• Что дословно сказал Цукерберг про ИИ-агентов на таунхолле 2 июля 2026 - с точной цитатой и честным нюансом
• Контраст обещание-признание: от «половину кода будет писать ИИ» (2025) до «траектория не ускорилась» (2026)
• При чём тут увольнения 8000 человек и перевод 7000 в AI-команды - и что это говорит о ставке на агентов
• Буксуют ли ИИ-агенты только у Meta: цифры Gartner, кейс Uber, «agent washing» - тренд шире одной компании
• Что агенты реально умеют по бенчмаркам и ускоряют ли разработчиков - данные METR и Stack Overflow без прикрас
• Что делать русскоязычному разработчику: где агент оправдан, как не спалить бюджет токенов, как подключить модели из РФ

Главное. 2 июля 2026 на внутреннем таунхолле Meta Марк Цукерберг сказал сотрудникам, что траектория агентной разработки за последние как минимум четыре месяца не ускорилась так, как ждало руководство. Отдача от реорганизации компании под ИИ, по его словам, «пока не принесла плодов», а результата он теперь ждёт через 3-6 месяцев. Это не приговор ИИ-агентам - формулировка осторожная. Но за ней стоит разворот: ещё в 2025-м Цукерберг публично обещал, что скоро большую часть кода в Meta будет писать ИИ. Reddit и Hacker News восприняли признание как сигнал, что хайп вокруг агентов сдувается. Ниже - что за этим на самом деле и что с этим делать тебе.

Год назад история звучала так: ИИ-агенты вот-вот возьмут на себя рутинную разработку, инженеры станут дирижёрами роя моделей, а компании, которые не перестроятся, отстанут навсегда. Под эту историю Meta уволила тысячи людей и переписала оргструктуру. А 2 июля глава компании сказал своим же сотрудникам, что за четыре месяца ничего толком не ускорилось.

Самое показательное тут даже не провал Meta. Тот же узор - на цифрах - виден по всей индустрии: у Uber, в опросах разработчиков, в исследованиях продуктивности, в прогнозах аналитиков. ИИ-агенты работают. Просто не так, как их продавали.

Это важный поворот для тех, кто на агентах строит работу. Год назад многие команды закладывали в планы «скоро агент возьмёт половину задач» и меняли под это процессы и найм. Если траектория не такая крутая, как обещали, - планы пора пересобирать под реальность. Не выбрасывать ИИ-агентов, а перестать ждать от них автономии, которой пока нет ни у кого, и выжимать пользу там, где они уже сильны.

Разберём по порядку. Что именно сказал Цукерберг и где точность формулировки. Почему это разворот на фоне его же обещаний. При чём тут увольнения. Буксуют агенты у одной Meta или у всех. Что они реально умеют по бенчмаркам и ускоряют ли разработчиков. Где сливается бюджет. И главное - что со всем этим делать русскоязычному разработчику, который платит за эти же модели из России. Тысячи команд из РФ гоняют Claude, GPT и другие флагманы для кода через единый API - об этом честно в конце, включая то, чего агрегатор дать не может.

Что именно сказал Цукерберг про ИИ-агентов?

Главное. На таунхолле 2 июля 2026 Цукерберг сказал сотрудникам, что траектория агентной разработки за последние четыре месяца не ускорилась так, как ждало руководство (дословная цитата - ниже). Отдельно он признал, что эффект от AI-реорганизации «ещё не материализовался». Речь про внутренние темпы Meta, а не про приговор всей отрасли. Но ориентиром при планировании служили именно агентные инструменты вроде Claude Code - и планка не взялась.

Сначала снимем термин, чтобы дальше говорить на одном языке. Агентная разработка - это когда ИИ не просто дописывает строку за тобой (как автодополнение), а сам ведёт задачу: читает репозиторий, правит несколько файлов, запускает тесты, чинит по результату и возвращает готовый результат. Такой ИИ и называют ИИ-агентом: не подсказчик, а исполнитель, которому ставят цель. Именно на этих ИИ-агентов - Claude Code и подобных - Meta и делала ставку. И именно их «траектория», по словам Цукерберга, не ускорилась.

Первоисточник - репортаж TechCrunch (автор Lucas Ropek), опубликованный 2 июля 2026. Сама запись таунхолла в прессу целиком не попала: издания цитируют конкретные фразы Цукерберга, сказанные на общем собрании. Ту же речь подтвердила запись, которую получил Reuters, и перепечатки в Yahoo Finance и SiliconANGLE. Вот ядро:

«the trajectory of the agentic development over at least the last four months hasn't really accelerated in the way that we expected» - «траектория агентной разработки за последние как минимум четыре месяца не ускорилась так, как мы ожидали».

• Марк Цукерберг, внутренний таунхолл Meta, по репортажу TechCrunch (Lucas Ropek), 2 июля 2026, перевод с английского.

Вторая фраза с того же таунхолла - про реорганизацию компании под ИИ. Ставка на новую структуру, по словам Цукерберга, «ещё не принесла плодов» (haven't come to fruition yet), но он рассчитывает на более заметную отдачу в горизонте 3-6 месяцев. Плюс важная деталь: руководители, которые планировали реорганизацию в январе-феврале 2026-го, были, по его же словам, «super optimistic about tools like Claude Code» - то есть в основу плана заложили ожидания от агентного кодинга, и эти ожидания не оправдались по темпу.

Теперь про точность, потому что заголовки в прессе съезжают в крайности. Цукерберг не говорил «ИИ-агенты не работают» или «агенты не заменят инженеров». Формулировка узкая и осторожная: темпы прогресса не догнали план, отдача от новой оргструктуры пока не пришла. Это про скорость. Про тупик никто не говорил. Разница принципиальная - и именно её теряют пересказы уровня «Цукерберг разочаровался в ИИ».

Почему тогда это вообще новость? Потому что за этими словами - человек, который поставил на агентов десятки миллиардов долларов и оргструктуру целой компании. Аналитик Holger Mueller из Constellation Research назвал такое признание «крайне откровенным для основателя техгиганта» и добавил, что Meta в этих трудностях не одинока. Когда на закрытом собрании CEO сам сбавляет тон - это честнее любого публичного пресс-релиза.

Что изменилось между обещанием 2025-го и признанием 2026-го?

Главное. Год назад Цукерберг публично обещал, что ИИ вот-вот возьмёт на себя большую часть разработки Meta. В апреле 2025-го на LlamaCon - «может, половину разработки будет делать ИИ». Тогда же, в интервью, - «за 12-18 месяцев большую часть кода будут писать модели». В июле 2026-го, когда до дедлайна осталось всего ничего, - «траектория не ускорилась». Между этими точками и лежит разворот, из-за которого новость и разошлась.

Чтобы понять вес одной фразы с таунхолла, надо посмотреть, с чего Цукерберг начинал. Публичная планка поднималась дважды.

На LlamaCon в апреле 2025-го, в разговоре с Сатьей Наделлой, он описал ставку так:

«our bet is sort of that in the next year... maybe half the development is going to be done by AI as opposed to people» - «наша ставка в том, что уже в следующем году, может быть, половину разработки будет делать ИИ, а не люди».

• Марк Цукерберг, LlamaCon, апрель 2025 (цитируется Engadget), перевод с английского.

Днём позже, в интервью Дваркешу Пателю, формулировка стала ещё агрессивнее - уже про «большую часть кода»:

«I would guess sometime in the next 12 to 18 months, we'll reach the point where most of the code... is written by AI» - «думаю, где-то в ближайшие 12-18 месяцев мы дойдём до точки, когда большую часть кода будет писать ИИ».

• Марк Цукерберг, интервью Дваркешу Пателю, апрель 2025 (цитируется Engadget), перевод с английского.

А теперь сложи даты. Обе планки Цукерберг поставил в апреле 2025-го - на LlamaCon и в интервью днём позже. Дедлайн «12-18 месяцев» истекает примерно к осени 2026-го. К июлю 2026-го прошло около пятнадцати месяцев из обещанных восемнадцати - срок почти вышел, а вместо ускорения идёт торможение по сравнению с планом. Это не отмена ставки. Но это первый публичный (пусть и на закрытом собрании) момент, когда сам автор прогноза говорит: идёт медленнее, чем я обещал.

Тайминг обещаний и признания в одной таблице:

Когда	Что сказал/сделал Цукерберг	Источник
Апрель 2025, LlamaCon	«Может, половину разработки будет делать ИИ»	Engadget
Апрель 2025, интервью Дваркешу	«За 12-18 месяцев большую часть кода будет писать ИИ»	Engadget
Янв-фев 2026	Планирование реорга, ставка на инструменты вроде Claude Code	TechCrunch, 02.07.2026
20 мая 2026	Старт увольнений ~8000 (10%), перевод ~7000 в AI-команды	NPR, CNBC, NBC
2 июля 2026, таунхолл	«Траектория агентной разработки за 4 месяца не ускорилась»	TechCrunch, 02.07.2026

⚠️ Не переусложняй вывод. Цукерберг не отменил ставку на ИИ и не сказал, что агенты - тупик. Он сказал, что вышло медленнее плана. Кто пересказывает это как «Цукерберг похоронил ИИ-агентов» - додумывает за него. В споре о хайпе точность формулировки и есть аргумент.

Именно поэтому сообщества и зацепились. В топовом треде на Hacker News под репортажем Reuters (340 голосов, около 600 комментариев) повторяется одна мысль: ожидали десятикратный скачок, получили в лучшем случае прирост в разы, и весь выигрыш легко съедается ревью. Люди читают признание Цукерберга как первую трещину в общем нарративе про автономных агентов. Речь уже шире одной Meta.

При чём тут увольнения 8000 человек и реорг?

Главное. Признание про буксующие ИИ-агенты прозвучало не в вакууме. Весной 2026-го Meta уволила около 8000 человек (примерно 10% штата) и перевела ещё около 7000 в новые AI-команды - ставка была ровно на то, что агенты ускорят работу и оправдают реорганизацию. Спустя два месяца после старта увольнений отдача «ещё не материализовалась». Отсюда и вес фразы: под неё уже перестроили компанию и сократили людей.

Хронология важна, потому что она и делает историю не проходной.

20 мая 2026 Meta начала увольнения: около 8000 сотрудников, примерно 10% корпоративного штата, плюс около 6000 открытых вакансий, которые решили не заполнять. Сильнее всего задело команды доверия и безопасности, кибербезопасность, контент-дизайн и Reality Labs. AI-инфраструктуру и разработку моделей от сокращений, наоборот, защитили. Это подтверждают NPR, CNBC и NBC News.

Это была не первая волна 2026-го. Ещё в январе Meta, по данным отраслевых источников, срезала около 1000-1500 человек в Reality Labs (примерно 10% подразделения) и урезала его бюджет. В рамках перестройки вокруг Superintelligence Labs сократили и часть исследователей FAIR. А по майской же волне в Вашингтоне подали WARN-уведомление: около 1395 человек в Сиэтле, Бельвью и Редмонде, уведомили их ещё в мае, а формальная дата вступления - 22 июля. Это не новая волна, а юридическая процедура: закон требует предупредить за 60 дней, отсюда и «22 июля» на бумаге.

Одновременно с увольнениями около 7000 человек перевели, а не уволили - в новые подразделения вокруг ИИ: Applied AI Engineering, Agent Transformation, Central Analytics. Логика была прямая: перестроить компанию так, чтобы агенты и ИИ-инструменты взяли на себя часть работы, а высвободившихся людей направить туда, где они усиливают эту ставку.

Масштаб ставки видно по деньгам. В конце апреля 2026-го Meta подняла прогноз капитальных затрат на год до $125-145 млрд - против фактических $72,2 млрд за весь 2025-й. По средней точке это рост примерно на 87% год к году. Рынок отреагировал нервно: после отчёта акции Meta просели примерно на 10%, стерев около $150 млрд рыночной капитализации. То есть к моменту таунхолла компания уже вложилась в ИИ по-крупному и публично - и на этом фоне слова «траектория не ускорилась» звучат ещё тяжелее.

Как прошёл этот перевод - отдельный сюжет, и он мрачноватый. TechCrunch (репортаж Connie Loizos от 12 июня 2026) описал подразделение Applied AI, куда людей переводили в режиме «переходи или увольняйся». Внутри сотрудники называли себя «призывниками», а их работа - готовить задачи и данные для обучения моделей. Один из них в разговоре с Wired охарактеризовал юнит так:

«It's literally the gulag» - «Это буквально гулаг».

• Анонимный сотрудник подразделения Applied AI в Meta, цитируется TechCrunch (Connie Loizos), 12 июня 2026, перевод с английского.

Ещё один добавил, что «большинству эта работа кажется выматывающей до отупения». Больше 1600 сотрудников Meta подписали петицию против обязательного отслеживания активности (включая движения мыши) для тренировки моделей. Технический директор Andrew Bosworth признал, что компания «ужасно» объяснила людям смысл перестройки. А Цукерберг во внутренней записке согласился, что изменения «вызвали стресс» и что были допущены ошибки.

Собери картину. Компания уволила 8000 человек и переселила 7000 под ставку на ускорение через ИИ-агентов - а через полтора-два месяца её же CEO говорит, что ускорения не случилось. Признание бьёт больнее именно потому, что цена уже заплачена людьми и структурой. И это подводит к главному вопросу: а это вообще проблема Meta - или так у всех?

Буксуют ли ИИ-агенты только у Meta - или у всех?

Главное. Не только у Meta. Аналитики Gartner прогнозируют, что более 40% проектов с агентным ИИ будут свёрнуты к концу 2027 года из-за неясной ценности и растущих затрат. Из тысяч вендоров, называющих себя «агентными», реальными Gartner считает лишь около 130 - остальное «agent washing». Реально развернули агентов только 17% организаций. А Uber за четыре месяца сжёг весь годовой ИИ-бюджет. Признание Цукерберга - вершина общего айсберга.

Если бы буксовала одна Meta, это была бы новость про Meta. Но цифры по всей отрасли складываются в тот же узор.

Gartner и «agent washing». Аналитики Gartner ещё в июне 2025-го дали прогноз, который в 2026-м продолжают цитировать как актуальный: более 40% проектов с агентным ИИ будут отменены к концу 2027 года - из-за роста издержек, неясной бизнес-ценности и недостаточного контроля рисков. Там же Gartner ввёл термин «agent washing»: старые чат-боты, RPA и ассистенты переклеивают в «агентов» без реальной автономии. По их оценке, из тысяч вендоров, продающих «agentic AI», настоящими агентами обладают лишь около 130. И разрыв между словами и делом огромный: агентов реально развернули только 17% организаций, тогда как более 60% лишь планируют сделать это в ближайшие два года.

Формулировка самого Gartner про причину:

«most agentic AI propositions lack significant value or return on investment (ROI), as current models don't have the maturity and agency to autonomously achieve complex business goals» - «большинству агентных ИИ-предложений не хватает значимой ценности или окупаемости, потому что у нынешних моделей нет зрелости и самостоятельности, чтобы автономно достигать сложных бизнес-целей».

• Gartner, пресс-релиз от 25 июня 2025, перевод с английского.

Кейс Uber - деньги. Самый наглядный пример того, что «работает» и «окупается» - разные вещи. Uber раскатил Claude Code на свою инженерную организацию в 5000 человек: доля активных пользователей выросла с 32% до 84% за считанные месяцы. Итог - к весне компания истратила весь годовой ИИ-бюджет 2026-го всего за четыре месяца. Расходы доходили до $500-2000 на инженера в месяц, после чего Uber ввёл потолок $1500 в месяц на человека. Президент и операционный директор Uber Andrew Macdonald прямо усомнился в отдаче:

«That link is not there yet» - «Этой связи пока нет» (между растущими тратами на Claude Code и пользой для клиентов).

• Andrew Macdonald, президент и COO Uber, цитируется Fortune, 26 мая 2026, перевод с английского.

Важная честность: у Uber при этом 70% закоммиченного кода теперь ИИ-происхождения, а 95% инженеров пользуются ИИ ежемесячно. Пользы много. Просто экономика оказалась непредсказуемой - и это ровно то, о чём косвенно говорит и Цукерберг.

Почему буксует именно автономия, а не сами модели. Тут стоит развести две вещи, которые маркетинг склеивает. Модели становятся сильнее - это правда, видно по бенчмаркам (к ним придём в следующем разделе). А вот автономность ИИ-агентов - способность самому довести сложную бизнес-задачу до конца без человека - растёт куда медленнее. Gartner прямо говорит: у нынешних моделей нет зрелости и самостоятельности, чтобы автономно достигать сложных целей. Поэтому «agent washing» и работает как обвинение: продают автономию, которой ещё нет, под видом уже существующей. Признание Цукерберга бьёт ровно в этот зазор - между тем, что ИИ-агенты умеют в демо, и тем, что они тянут в реальной работе большой компании.

И это не разоблачение ИИ - это отрезвление после года завышенных обещаний. ИИ-агенты остаются одним из самых полезных инструментов разработчика за последнее десятилетие. Просто их место скромнее рекламного: мощный помощник, которому нужен присмотр. Автономного сотрудника из него пока не выходит. Разница между этими двумя картинами и есть вся суть новости с таунхолла.

Сложи это в одну строку: у гиганта с бюджетом $125-145 млрд на ИИ «траектория не ускорилась», у Uber бюджет сгорел за треть года, у аналитиков прогноз на отмену 40% проектов. ИИ-агенты не провалились - но обещанного взрывного скачка индустрия за первую половину 2026-го не увидела.

Что это значит для тебя, если ты не в Meta и не в Uber. Ровно то, что дорогой урок за тебя уже оплатили другие. Не нужно повторять их путь - жечь бюджет на автономных прогонах, чтобы выяснить, что ИИ-агенты хороши на одних задачах и опасны на других. Ниже как раз разберём, что агенты реально умеют по цифрам, ускоряют ли они работу и где сливают деньги - чтобы ты встроил их в процесс с открытыми глазами, без оглядки на мотивационные посты из ленты.

Если ты платишь за эти же модели из России и уже почувствовал, как быстро тают токены на автономных прогонах, - дальше будет практический разбор, где агент оправдан, а где сжигает деньги. А доступ к самим моделям для кода из РФ (Claude, GPT и другие, в рублях, без зарубежной карты) закрывается единым API - к этому вернусь в конце, честно и без натяжки.

Что реально умеют ИИ-агенты по цифрам?

Главное. По бенчмаркам агенты сильны: Claude Opus 4.8 (релиз 28 мая 2026) показывает около 88,6% на SWE-bench Verified, топовые модели берут 84-88% на Terminal-Bench, а на GDPval лучшие приближаются к экспертному уровню и обгоняют его по Elo. Прогресс моделей реальный. Парадокс в другом: бенчмарки растут почти линейно, а внедрение в конкретных компаниях буксует. Плюс сами бенчмарки грешат контаминацией - к точным процентам стоит относиться с оговоркой.

Чтобы не свалиться в «агенты - пустышка», посмотрим на цифры возможностей. Они высокие.

Бенчмарк	Лидер (на июль 2026)	Результат	Оговорка
SWE-bench Verified	Claude Opus 4.8	~88,6%	Часть записей лидерборда - self-reported вендорами
Terminal-Bench 2.x	топ-модели Anthropic	~84-88%	Разрыв топ-3 - несколько пунктов (плато вверху)
GDPval-AA (Elo, человек=1000)	топ-модель Anthropic	~1760	Сравнение по стоимости API-вызова, без учёта интеграции и надзора
METR: скорость опытных разработчиков	-	-19% (медленнее)	Данные начала 2025, методика пересматривается

Claude Opus 4.8 - подтверждённый релиз Anthropic от 28 мая 2026 с упором на кодинг и параллельных субагентов. По «сырым» моделям конкуренция плотная: GPT-5.5 идёт вровень по SWE-bench Verified. А вот как агентный харнесс (модель плюс вся обвязка вокруг неё) связка Claude Code в сравнительных обзорах 2026-го обычно впереди. Открытые модели тоже подтянулись: китайский GLM-5.2 в середине 2026-го называют сильнейшей открытой моделью для агентного кода. Разрыв между лидерами США и открытыми весами сократился до единиц процентов.

Отдельно про GDPval - бенчмарк, который OpenAI выпустила в сентябре 2025-го как попытку мерить настоящую работу профессионалов: 1320 заданий от практиков в среднем с 14 годами опыта, по 44 профессиям. OpenAI заявила, что передовые модели делают эти задачи «примерно в 100 раз быстрее и в 100 раз дешевле» человека. Звучит громко - но это сравнение стоимости API-вызова с часом работы сотрудника, и оно не учитывает интеграцию, надзор, организационные изменения и цену ошибок. К июлю 2026 на обновлённом лидерборде GDPval лидер (модель Anthropic) обгоняет человеческий базовый уровень по Elo. Прогресс есть - но «в 100 раз дешевле» и «взял и внедрил» - разные вселенные.

Теперь оговорка, без которой цифры врут. Исследователи фиксируют контаминацию SWE-bench Verified: тестовые задачи частично пересекаются с обучающими данными новых моделей, и это завышает результат. Как более чистую альтернативу продвигают SWE-bench Pro (2000+ задач, которых не было в публичных обучающих датасетах) - и на нём проценты заметно ниже, ближе к 60-70% у лидеров. Разрыв между «88% на Verified» и «62% на Pro» у той же модели и есть цена контаминации.

Ещё тоньше: один и тот же набор моделей разные харнессы ранжируют по-разному. «Лучшая модель» и «лучший агентный харнесс вокруг модели» - не одно и то же. Модель может выигрывать по «сырому» баллу, а как ИИ-агент в связке с оркестрацией инструментов - отставать. Поэтому сравнивать инструменты по одному числу некорректно. Вывод простой: «модель X набрала Y%» - это не «модель X закроет твою задачу на Y%».

И вот здесь - главное противоречие темы. Бенчмарки агентного кода к июлю 2026 растут почти линейно. А внедрение в реальную разработку конкретной компании (та же Meta) буксует. Как это уживается? Потому что бенчмарк меряет способность модели решить изолированную, хорошо описанную задачу. А продакшн - это интеграция, легаси, ревью, надзор и цена ошибки. Модель может брать 88% на SWE-bench и всё равно не давать обещанного ускорения живой команде. Об этом - следующий раздел.

Ускоряют ли ИИ-агенты разработчиков на самом деле?

Главное. Честный ответ: доказательство слабее, чем кажется по маркетингу. Исследование METR (данные начала 2025) показало, что опытные разработчики с ИИ работали на 19% медленнее, хотя субъективно ощущали ускорение на 20%. К 2026-му сама METR признала методику устаревшей и пересматривает её - новых твёрдых чисел пока нет. По опросу Stack Overflow, ИИ используют рекордные 84% разработчиков, но доверие к точности вывода - на историческом минимуме. Прирост есть. «Автономный ИИ-инженер» - пока нет.

Самая неудобная цифра в теме - от METR (Model Evaluation and Threat Research). В их эксперименте 16 опытных open-source разработчиков (в среднем по 5 лет в своих же репозиториях) выполняли реальные задачи с ИИ-инструментами и без. Результат:

• До начала теста разработчики ждали ускорения на 24%.
• После работы с ИИ - оценивали, что ускорились примерно на 20%.
• По факту замера - работали на 19% медленнее.

Разрыв между «мне кажется, я быстрее» и «на секундомере я медленнее» - это и есть главная ловушка. Субъективное ощущение «агент мне помогает» ненадёжно как метрика для бизнес-решений.

Но тут нужна честность в обе стороны. Эти данные METR собрала в начале 2025-го, на моделях того времени. В феврале 2026-го METR опубликовала, что меняет дизайн эксперимента, - то есть сама признаёт: старая методика устарела, экстраполировать «-19%» на агентов середины 2026-го нельзя. При этом новых твёрдых чисел по обновлённой методике в открытом доступе на июль 2026 нет, а предварительные оценки METR называет «слабым доказательством» из-за смещения выборки. Так что корректный вывод не «агенты замедляют», а «убедительного доказательства, что агенты уже ускоряют опытных разработчиков на реальных задачах, пока нет ни с одной стороны».

Второй источник - опрос Stack Overflow (данные 2025 года; опрос 2026-го открылся только 23 июня и результатов ещё нет, так что цифры «2026» в чужих блогах на деле относятся к 2025-му). Что там:

• ИИ-инструменты используют рекордные 84% разработчиков.
• Доверяют точности вывода ИИ только 29% (год назад было 40%), а 46% активно не доверяют. Сильно доверяют ИИ-коду всего около 3%.
• Топ-жалоба у 66%: «решение почти правильное, но не совсем».
• 45% говорят, что отладка ИИ-кода занимает больше времени, чем написать вручную.

При этом использование именно агентов (а не просто автодополнения) за год удвоилось - и вместе с ним выросли опасения по качеству ИИ-кода. То есть люди активно переходят на агентов и одновременно всё меньше доверяют тому, что те выдают. Это не противоречие: агент удобен, но требует проверки, и разработчики это чувствуют на своей шкуре.

Почему субъективное ощущение обманывает - стоит проговорить отдельно. Когда агент за минуту выдаёт полотно рабочего с виду кода, мозг засчитывает это как экономию. А время, потраченное дальше на вычитку, доработку тех самых «почти» и ловлю багов в проде, размазано и не считывается как «работа агента». В итоге ощущение «я летаю» держится, даже когда секундомер показывает обратное. Ровно это METR и зафиксировала: +20% в голове против -19% на замере.

Картина честная: пользуются почти все, доверяют немногие. Агент экономит время на скелете и рутине - и тут же возвращает часть выигрыша через ревью и отладку «почти правильного» кода. Это полезный инструмент с реальным приростом, а не автономный инженер, которому можно отдать задачу и уйти.

Где ИИ-агенты сливают бюджет - и почему?

Главное. Экономика ломается на двух вещах. Первая - «проблема 80%»: агент быстро закрывает happy path (примерно 80% задачи), а оставшиеся 20% (обработка ошибок, идемпотентность, безопасность, retry-логика) он делает плохо или молча пропускает - и именно это определяет, переживёт ли код прод. Вторая - непредсказуемый счёт за токены: переход с «оплаты за место» на «оплату за использование» ломает привычное бюджетирование, как у Uber.

Разберём обе ловушки.

Проблема 80%. Формулировку дал Addy Osmani (январь 2026, развивая наблюдение Andrej Karpathy). Агент бодро закрывает первые 80% задачи по happy path. А последние 20% - rate limiting, наблюдаемость, retry, circuit breaker, аудит-логи, обработка персональных данных, санитизация ввода. Это и решает, выживет ли код под реальным трафиком и аудитом. По разборам практиков 2026 года, сгенерированные ИИ системы аутентификации отлично работают в демо и падают под нагрузкой: сбои обновления токена, рассинхрон OAuth между dev и прод. Обработчики платёжных вебхуков работают в тесте с чистой последовательностью событий, а в проде вебхуки приходят повторно и не по порядку - и агентскому коду часто не хватает логики идемпотентности.

Отсюда - незаметно копящийся техдолг. По эмпирическому исследованию 2026 года (arXiv, «Debt Behind the AI Boom»), в pull request'ах с ИИ-кодом примерно в 1,7 раза больше проблем, чем в написанных людьми. Отток кода (churn) в проектах с активным ИИ вырос на 39%, а рост техдолга организации оценивают в 30-41% за полгода широкого внедрения. Плюс 76% разработчиков признают, что хотя бы иногда получают от ИИ код, который сами не до конца понимают. Чинить то, что не писал сам, - дороже и дольше. Именно хвостовые проценты определяют, во сколько реально обойдётся «сэкономленное» агентом время, - happy path эту цену лишь маскирует.

Счёт за токены. Вторая ловушка - деньги. Кейс Uber уже был выше: весь годовой бюджет за четыре месяца, $500-2000 на инженера, потолок $1500. Провоцирующий фактор - внутренние лидерборды, которые ранжировали инженеров по расходу токенов Claude Code. Люди начали жечь токены ради места в рейтинге, а не ради дела. Классический пример того, как неправильный стимул усиливает и без того непредсказуемую экономику.

Для русскоязычных команд эта ловушка острее вдвойне. Провайдеры всё чаще выносят автономное (программное) использование агентов в отдельный, дороже тарифицируемый пул. Anthropic анонсировала такое разделение подписки и Agent SDK: запуск с 15 июня 2026 отложили и пересматривают, но направление ясно. Ночные прогоны, CI и скрипты всё чаще считают по полному API-тарифу. Поверх этого ложится наценка способов оплаты из РФ. Цена ошибки в планировании бюджета выше, чем у команды с прямой картой.

🚨 Реальный риск денег. Автономный ИИ-агент на неподходящей задаче тратит твой бюджет молча и быстро. У Uber внутренние лидерборды по расходу токенов превратили это в гонку за место в таблице. Если у тебя нет лимита на пользователя и воркфлоу - поставь его до того, как соберёшь статистику стоимости задач, а не после первого счёта.

Вывод: считать расход токенов заранее, ставить лимиты и не отдавать автономному агенту рутину, которую закрыл бы обычный ассистент.

Что делать со всем этим русскоязычному разработчику?

Главное. Пять рабочих принципов. Не ждать «AGI-агента» - даже у Meta нет даты, когда «заработает». Реалистичный потолок - кратный прирост, десятикратного скачка ждать не стоит. Human-in-the-loop и CI-гейты важнее идеального промпта. Бюджет токенов считать заранее. И трезво выбирать задачи: агент хорош на хорошо описанном happy path с тестами, обычный ассистент - на исследовательских и архитектурных вопросах.

Признание Цукерберга полезно как калибровка ожиданий - позлорадствовать тут не над чем. Вот что из него следует практически.

1. Не ждать «AGI-агента». Сам Цукерберг сдвигает горизонт на «3-6 месяцев» - то есть даже у компании с бюджетом $125-145 млрд на ИИ нет чёткой даты, когда агенты «наконец заработают». Стратегия «подожду следующего релиза, и всё наладится» системно проигрывает стратегии «беру то, что есть, и применяю трезво».

2. Планка реализма - в разы, не в десять раз. Данные METR, опрос Stack Overflow и обсуждения практиков сходятся: сегодняшние ИИ-агенты дают заметный, но не революционный прирост. И этот прирост легко съедается ревью, если не выстроить процесс.

3. Детерминированные гейты сильнее идеального промпта. Относись к агенту как к джуну: не уговаривай его правильным промптом, а обкладывай CI, линтерами и статическим анализом. Даже правила, прописанные в конфиге агента, модель порой игнорирует - на это жалуются регулярно. Гейт ловит регресс надёжнее, чем формулировка в промпте.

4. Human-in-the-loop - это архитектура, а не галочка. Недостаточно «есть человек в цепочке». Нужны уровни риска: изменения в БД, деплой, сетевые политики требуют явного одобрения человека, который знает, что именно проверять. Иначе выходит «checkbox», который пропускает ровно те 20%, где агент чаще всего и ломается (авторизация, платежи, безопасность).

5. Бюджет токенов - заранее. Ставь лимиты на пользователя и воркфлоу, включай кэширование промптов (кэшированный ввод обычно стоит малую долю от обычного), маршрутизируй задачи по моделям (дешёвая - на рутину, дорогая - только на сложное рассуждение), обрезай контекст. Кейс Uber - предупреждение, а не исключение: там весь годовой бюджет ушёл за четверть года на команде, где всё «работало».

Эти пять принципов не про пессимизм. Они про то, чтобы получить от ИИ-агентов реальную пользу и не влететь в те же грабли, что Meta и Uber. Пока индустрия ждёт, когда автономность догонит обещания, выигрывают те, кто уже встроил агентов в дисциплинированный процесс - с ревью, гейтами и понятным бюджетом.

А теперь - где агент оправдан, а где нет. Коротко и по делу:

Задача	Кто лучше	Почему
Скаффолдинг, шаблонный код, рефакторинг под существующие тесты	ИИ-агент	Чёткий happy path, есть чем проверить результат
Массовые однотипные правки по списку	ИИ-агент	Параллелится, легко ревьюить пачкой
Авторизация, платежи, идемпотентность, безопасность	Человек (агент - под строгим ревью)	Те самые «хвостовые» 20%, где агент подводит в проде
Исследование, неоднозначные и архитектурные решения	Обычный ассистент / автодополнение	Нужно суждение, а не автономная генерация
Работа по большой легаси-базе	Человек + агент точечно	METR фиксировал замедление именно на зрелых своих репозиториях

💡 Совет. Прежде чем масштабировать агента на команду, прогони маленький честный замер: возьми 5-10 типичных для тебя задач, сделай половину с агентом, половину без, и засеки не «ощущение», а реальное время до смёрженного, прошедшего ревью PR. Это дешевле любого чужого бенчмарка и точнее любого твита.

И отдельно про измерение: не доверяй чужим агрегированным цифрам применительно к своей кодовой базе. METR замерял опытных разработчиков на их собственных зрелых репозиториях - и именно там нашёл замедление. Меряй на своих, репрезентативных задачах, не на демо из твиттера.

Как подключить эти модели и агентов из России?

Главное. Честно и без натяжки. Тема статьи - тренд, а не «купи инструмент». Но агентная разработка идёт на конкретных моделях - Claude, GPT, GLM, - к которым из России нет прямого доступа. Единый API-агрегатор решает ровно одно: доступ к самим моделям для кода в рублях, без VPN и зарубежной карты, на общем балансе чат плюс API. Чего он не решает: не чинит «буксующие агенты» и не заменяет ревью. Это способ доступа, не серебряная пуля.

Тут я специально разграничу, чтобы не продавать больше, чем есть.

Что не решается ничем из этой статьи. Признание Цукерберга, проблема 80%, техдолг, разрыв восприятия по METR - это свойства нынешних ИИ-агентов как класса. Ни один агрегатор, ни один тариф это не «чинит». Лечится только процессом: трезвые ожидания, гейты, ревью, лимиты бюджета. Кто обещает «наш агент решит всё» - продаёт «agent washing».

Что действительно упирается в доступ. Чтобы вообще пользоваться сильнейшими моделями для кода из России, нужен доступ к Claude Opus 4.8, GPT-5.5, Gemini, GLM и другим - а прямого доступа нет. Барьеров три, и каждый реальный. Первый - гео-блок: вход для российских IP закрыт у OpenAI и у ряда других сервисов. Второй - оплата: карты российских банков отклоняются платёжными системами на этапе проверки, и смена IP это не обходит. Третий - новое в 2026-м: пошли уже баны самих аккаунтов, а не только блок по IP, в том числе у тех, кто месяцами работал с моделью. Итог - без обходных решений сильные модели для агентной разработки из РФ недоступны. Вот это реальная, а не выдуманная боль, и её закрывает единый API.

provod.ai держит топовые флагманы в одном кабинете: Claude Opus 4.8, GPT-5.5, Gemini 3.1 Pro, DeepSeek v4, Qwen, Grok, Kimi - и чат, и API на общем балансе, совместимо и с OpenAI (/v1/chat/completions), и с Anthropic (/v1/messages). На практике это значит: пробуешь модель в чате, а в свой агентный флоу (Claude Code, Cursor, свой скрипт) подключаешь её сменой base_url и ключа. Оплата - картой РФ, через СБП или по счёту с закрывающими документами для юрлиц. Цены 1:1 с официалом, без наценки посредника, платишь по факту за токены - что как раз помогает держать под контролем тот самый непредсказуемый расход из раздела про бюджет.

Но граница честная. Единый API даёт доступ к модели, которую ты встраиваешь в свой процесс. Он не даёт магической автономии, которой у агентов пока нет ни у кого, включая Meta. И если конкретная фича инструмента завязана на фирменную подписку вендора (как отдельные облачные режимы некоторых агентов) - это отдельная история, не покрываемая одним API-ключом. Для «взять сильную модель под свой агентный флоу и платить в рублях» единый API - рабочее решение. Для «получить готового автономного ИИ-инженера» рабочего решения пока нет ни у кого. Список моделей и цены - на provod.ai.

Главное за 30 секунд

Коротко. 2 июля 2026 Цукерберг сказал сотрудникам Meta, что траектория ИИ-агентов за четыре месяца не ускорилась, как ждали, - на фоне увольнения 8000 человек и перевода 7000 в AI-команды. Это не приговор агентам: скорее разворот от его же обещаний 2025-го. И не только у Meta: Gartner ждёт отмены 40% агентных проектов к 2027-му, Uber сжёг годовой бюджет за 4 месяца. Бенчмарки моделей растут, реальное ускорение работы слабо доказано (METR). Вывод - не ждать «AGI-агента», строить гейты и считать бюджет.

Сделай прямо сейчас (5 минут):

1. Пересмотри, где у тебя агент работает автономно на задачах из «хвостовых 20%» (авторизация, платежи, безопасность) - и поставь туда обязательное ревью человека.
2. Если гоняешь автономных агентов - включи лимит расхода токенов на пользователя и воркфлоу, пока не собрал статистику по реальной стоимости задач.
3. Если работаешь с моделями для кода из России - реши вопрос доступа заранее, единым API, чтобы не ловить отвалившийся аккаунт посреди боевой задачи.

Была полезна статья? Да / Нет

Источники

1. TechCrunch (Lucas Ropek), «Mark Zuckerberg tells staff that AI agents haven't progressed as quickly as he'd hoped» - первоисточник, дословная цитата с таунхолла, 2 июля 2026
2. Reuters (перепечатка Yahoo Finance), «Zuckerberg says AI agent development going slower than expected» - подтверждение записи таунхолла, 2 июля 2026
3. SiliconANGLE, разбор таунхолла и комментарий Holger Mueller (Constellation Research), 2 июля 2026
4. TechCrunch (Connie Loizos), репортаж про подразделение Applied AI Meta и цитаты сотрудников, 12 июня 2026
5. NPR, «Meta slashes 8,000 jobs as it pivots towards AI» - масштаб увольнений, 20 мая 2026
6. CNBC, «Meta's layoffs starting this week underscore Zuckerberg's AI reality» - контекст сокращений, 18 мая 2026
7. NBC News, «Meta to move 7,000 employees to AI roles amid 10% layoffs» - перевод в AI-команды
8. Fortune, «Meta bumped its 2026 capex forecast up to as much as $145 billion» - капекс и реакция рынка, 29 апреля 2026
9. Fortune, «Uber burned through its entire 2026 AI budget in four months» - кейс Uber, цитата COO Andrew Macdonald, 26 мая 2026
10. Engadget, цитаты Цукерберга про «половину кода» (LlamaCon, 29 апреля 2025) и «12-18 месяцев» (интервью Дваркешу Пателю, 30 апреля 2025)
11. Gartner, пресс-релиз «Over 40% of Agentic AI Projects Will Be Canceled by End of 2027» и термин «agent washing», 25 июня 2025
12. METR, «Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity» (10 июля 2025) и «We are Changing our Developer Productivity Experiment Design» (24 февраля 2026)
13. Stack Overflow Developer Survey 2025 (адопция 84%, доверие, «почти правильно») + анонс опроса 2026 от 23 июня 2026
14. Anthropic, анонс Claude Opus 4.8 (28 мая 2026) и разделения биллинга подписки/агентов (анонс 14 мая 2026, запуск отложен)
15. arXiv, «Debt Behind the AI Boom: A Large-Scale Empirical Study of AI-Generated Code» - техдолг ИИ-кода, 2026
16. Augment Code, «The 80% Problem» + Addy Osmani о «проблеме 80%», январь 2026
17. Hacker News, обсуждение репортажа Reuters о таунхолле (item 48767058, 340 голосов, ~600 комментариев) - настроение сообщества разработчиков, июль 2026
18. Бенчмарки агентного кода: llm-stats.com (SWE-bench Verified), tbench.ai (Terminal-Bench), artificialanalysis.ai (GDPval-AA), июль 2026 - с оговоркой о self-reported записях

Связанные материалы

• «Как заставить ИИ-агента доводить задачу до конца: loops в Claude Code» - про надёжность агентов и циклы проверки
• «ИИ для кода в 2026: что реально используют разработчики (Ask HN)» - живой стек инструментов и агентов
• «Codex Ultra запускает рой агентов и жжёт бюджет. Кому он окупается» - про экономику токенов на автономных агентах
• «Почему Стэнфорд запретил вайбкодинг: правила для ИИ-агентов в 2026» - границы применения агентов в реальной работе

Признание Цукерберга - хороший момент сверить ожидания с реальностью и не переплачивать за автономию, которой пока нет. Если при этом тебе нужны сильные модели для кода из России - в рублях, без VPN и зарубежной карты, на общем балансе чат плюс API, - это закрывается единым доступом. provod.ai: топовые флагманы в одном кабинете, оплата картой РФ, СБП или по счёту, цены 1:1 с официалом.

---

provod.ai — выбирайте модель под задачу, а не под поставщика

Код, сложное рассуждение, поиск, длинные документы и генерация медиа требуют разных инструментов: переключайте модель, сохраняя API, баланс и инфраструктуру команды.

В одном каталоге — актуальные модели для текста и медиа: GPT от OpenAI, Claude от Anthropic, Gemini от Google, Grok от xAI, DeepSeek, Qwen, GLM, Kimi и MiniMax; для изображений — Nano Banana 2 Pro и GPT Image; для видео — последние версии Seedance, Kling, Veo и Google Omni. Также доступны модели для reasoning, поиска, документов, эмбеддингов, музыки и аудио.

Сравнивайте качество и стоимость без скрытой надбавки агрегатора: цены идут 1:1 с официальными тарифами провайдеров, поэтому выбор определяется задачей, а не лишней комиссией provod.ai.

Выберите модель для своего сценария: форма регистрации · цены на модели · защита данных по 152-ФЗ · главная provod.ai