تیم Cursor اخیراً آزمایشی انجام داده که به خوبی نشان می دهد Coding Agentها تا چه اندازه می توانند پروژه های نرم افزاری بزرگ را جلو ببرند. آن ها یک مأموریت مشخص به مجموعه ای از AI Agentها دادند:

SQLite را از صفر با Rust پیاده سازی کنید.

اما قسمت جالب آزمایش، محدودیت هایی بود که برای Agentها در نظر گرفته شد. Agentها به سورس کد SQLite دسترسی نداشتند، فایل اجرایی SQLite در اختیارشان نبود، تست های ارزیابی را نمی دیدند و حتی به اینترنت هم دسترسی نداشتند.

تنها منبع آن ها مستندات ۸۳۵ صفحه ای SQLite بود. یعنی در محیط این آزمایش، ورودی و خروجی سیستم را تقریباً می توان این طور خلاصه کرد:

835 صفحه Specification → یک Database Engine نوشته شده با Rust

آیا واقعاً توانستند SQLite را بسازند؟

Cursor برای اینکه صرفاً به «کامپایل شدن» پروژه اکتفا نکند، خروجی را با sqllogictest بررسی کرد؛ مجموعه ای از میلیون ها Query که برای بررسی سازگاری رفتار Database Engineها استفاده می شود. نکته مهم این است که Agentها حتی نمی دانستند چنین Test Suiteای وجود دارد.

در نهایت تمام ترکیب های Agent در معماری جدید Cursor توانستند اجرای تست ها را تا 100% Pass Rate پیش ببرند. البته این نتیجه به این معنا نیست که چند ساعت اجرای AI توانسته نسخه ای Production-Ready و کاملاً معادل SQLite اصلی با تمام سال ها بهینه سازی، Performance Tuning و Edge Caseهای آن تولید کند.

اما همین که مجموعه ای از Agentها بتوانند تنها از روی Specification یک Database Engine بسازند که میلیون ها Query استاندارد را با نتیجه صحیح اجرا کند، به خودی خود نتیجه قابل توجهی است.

اما قسمت جالب تر آزمایش: هزینه

Cursor فقط یک مدل را آزمایش نکرد. آن ها چند ترکیب مختلف از مدل ها را برای ساخت همان Database Engine اجرا کردند تا ببینند آیا استفاده از مدل قوی تر الزاماً خروجی بهتری ایجاد می کند یا نه.

چهار ترکیب اصلی تقریباً به این شکل بودند:

Planner	Worker	هزینه تقریبی
GPT-5.5	GPT-5.5	$10,565
Grok 4.5	Grok 4.5	$1,928
Opus 4.8	Composer 2.5	$1,339
Fable 5	Composer 2.5	$2,234

در حالی که خروجی نهایی این ترکیب ها از نظر Test Suite به نتایج بسیار نزدیک رسید و تمام ترکیب های معماری جدید در نهایت توانستند تست ها را 100٪ پاس کنند، اختلاف هزینه بسیار زیاد بود.

گران ترین اجرا بیش از ۱۰ هزار دلار هزینه داشت، در حالی که ارزان ترین اجرا فقط حدود ۱۳۰۰ دلار بود. یعنی برای رسیدن به نتیجه ای مشابه، انتخاب درست نقش مدل ها می توانست هزینه را تقریباً به یک هشتم کاهش دهد.

چرا Opus + Composer این قدر ارزان تر بود؟

اینجا به مهم ترین نتیجه آزمایش می رسیم. Cursor در معماری Agent Swarm دو نقش اصلی دارد: Planner و Worker.

Planner تصمیم می گیرد پروژه چگونه شکسته شود، معماری چگونه باشد و هر بخش را چه Agentی انجام دهد. در مقابل، Worker وظیفه مشخص شده را دریافت می کند و مسئول پیاده سازی آن است.

در اجرای GPT-5.5، همان مدل گران قیمت هم نقش Planner را داشت و هم نقش Worker را. اما در ترکیب ارزان تر، این دو وظیفه از یکدیگر جدا شدند:

Opus 4.8 → Planner

Composer 2.5 → Worker

در این حالت، مدل قوی و گران فقط تصمیمات مهم را می گرفت و بخش عظیم کدنویسی توسط یک مدل سریع تر و ارزان تر انجام می شد. این تفاوت بسیار مهم است، چون بخش عمده Tokenهای مصرف شده اصلاً مربوط به Planning نبود.

در تمام اجراها Workerها حداقل 69٪ Tokenها را مصرف کردند و در بیشتر اجراها سهم آن ها از 90٪ هم بیشتر بود. پس اگر مدل گران قیمت را به عنوان Worker هم استفاده کنیم، در واقع گران ترین مدل را برای پرمصرف ترین قسمت سیستم انتخاب کرده ایم.

مدل گران تر حتی الزاماً کد بهتری تولید نکرد

یکی دیگر از نتایج جالب آزمایش زمانی دیده می شود که اندازه Codebaseها را مقایسه کنیم. در یکی از آزمایش ها با ترکیب Opus، معماری قدیمی Cursor برای رسیدن به 97٪ تست ها حدود 19,013 خط کد تولید کرده بود.

معماری جدید برای رسیدن به 100٪ تست ها فقط به 4,645 خط کد نیاز داشت. در آزمایش Fable نیز نسخه قدیمی برای پاس کردن تست ها به 64,305 خط رسید، در حالی که معماری جدید همان کار را با 9,908 خط انجام داد.

بنابراین معیار فقط این نیست که «AI چند خط کد می تواند تولید کند». گاهی Agentهایی که حجم بسیار زیادی کد تولید می کنند، در واقع در حال دوباره کاری، ایجاد Conflict یا حل مشکلاتی هستند که خودشان ایجاد کرده اند.

وقتی Git دیگر کافی نبود: ساخت Version Control جدید با AI

یکی از جالب ترین حاشیه های این آزمایش این بود که مشکل فقط تولید کد نبود. وقتی تعداد زیادی Agent به صورت هم زمان روی یک Codebase کار می کنند، حجم تغییرات با چیزی که ابزارهای معمول توسعه برای آن طراحی شده اند تفاوت زیادی دارد.

در این معماری، Agentها می توانستند با سرعتی در حدود ۱۰۰۰ Commit در ثانیه تغییر ایجاد کنند. در چنین مقیاسی، Git دیگر ابزار مناسبی برای مدیریت این جریان از تغییرات نبود.

Cursor برای حل این مشکل، به جای محدود کردن Agentها تصمیم گرفت خود ابزار زیرساختی را تغییر دهد و یک Version Control System جدید طراحی کند که بتواند این حجم از Commit را مدیریت کند. نکته جالب تر اینکه ساخت همین Source Control جدید هم با کمک AI Agentها انجام شد.

یعنی AI نه تنها در حال نوشتن خود SQLite بود، بلکه وقتی زیرساخت موجود دیگر پاسخ گوی سرعت Agentها نبود، در ساخت ابزار جدید موردنیاز برای ادامه کار نیز مشارکت کرد. این اتفاق شاید یکی از مهم ترین نشانه های تغییر مقیاس در AI Coding باشد.

در توسعه سنتی، معمولاً انسان با محدودیت ابزارهایش هماهنگ می شود. اما در این آزمایش، سرعت تولید تغییرات توسط Agentها آن قدر بالا رفت که تیم مجبور شد زیرساخت توسعه نرم افزار را برای Agentها از نو طراحی کند.

به عبارت دیگر، سؤال دیگر فقط این نیست:

«AI با ابزارهای فعلی ما چقدر سریع می تواند کد بنویسد؟»

بلکه ممکن است به زودی سؤال مهم تر این باشد:

«چه ابزارهای جدیدی باید بسازیم تا زیرساخت توسعه بتواند با سرعت AI هماهنگ شود؟»

نتیجه مهم این آزمایش

شاید در نگاه اول تیتر این آزمایش این باشد:

«هوش مصنوعی توانست SQLite را با Rust بازنویسی کند.»

و همین موضوع به اندازه کافی جالب است. اما نتیجه مهم تر در اعداد پنهان شده است. Cursor نشان داد برای انجام یک پروژه بزرگ با AI، لزوماً نباید بهترین و گران ترین مدل را برای تمام مراحل پروژه استفاده کنیم.

یک معماری بسیار منطقی تر می تواند این باشد:

Frontier Model → فکر کند

Cheap/Fast Model → اجرا کند

در آزمایش Cursor، استفاده از GPT-5.5 برای همه نقش ها حدود $10,565 هزینه داشت، در حالی که ترکیب Opus 4.8 برای Planning و Composer 2.5 برای Implementation همان پروژه را با حدود $1,339 انجام داد.

این یعنی در آینده سؤال مهم برای تیم هایی که از Coding Agentها استفاده می کنند احتمالاً دیگر فقط این نخواهد بود:

«بهترین مدل کدام است؟»

بلکه سؤال مهم تر این است:

«برای هر قسمت از فرایند توسعه، کدام مدل واقعاً لازم است؟»

آزمایش SQLite نشان می دهد ممکن است یک مدل بسیار قدرتمند فقط برای چند تصمیم مهم موردنیاز باشد و هزاران وظیفه بعد از آن را Agentهای بسیار ارزان تر انجام دهند.

و شاید مهم ترین بخش ماجرا همین باشد:

ما کم کم از AIای که چند خط کد برایمان می نویسد، به سمت AIای می رویم که می تواند از روی یک Specification، یک سیستم نرم افزاری کامل بسازد.

وقتی AI از روی مستندات، SQLite را با Rust بازنویسی کرد...

شاهین کهریزی

نظرات