Мої агенти коду використовували Claude Fable 5 та сімейство моделей OpenAI GPT-5.4, GPT-5.5 і GPT-5.6 для реальної роботи протягом 2026 року: вебсайти, iOS-додатки, електронна комерція, CRM, музичні інструменти, SEO-системи та власні робочі процеси агентів. Коли я підсумував локальні логи сесій, які все ще залишилися на моєму Mac, число склало 21,54 мільярда токенів.
Це число абсурдне. Воно також потребує контексту.
Більшість із цього — не 21,5 мільярда нових слів, написаних для мене. Довгі сесії агентів багаторазово передають великі кодові бази та інструкції через контекст. Значна частина зчитується з кешу. Кількість токенів переважно показує, який обсяг контексту опрацювали мої агенти коду.
Мій висновок після цього періоду залишається чітким: ми зробили крок уперед. Моделі можуть утримувати довші завдання, використовувати інструменти та виправляти помилки на рівні, який ще рік тому здавався недосяжним. Однак сама модель все ще є найменш цікавою частиною надійної системи.
Про що говорять 21,5 мільярда токенів щодо агентів коду
Я підрахував використання OpenAI за кожним значенням `last_token_usage` у збережених логах Codex. Я підрахував Fable за унікальними повідомленнями асистента в логах Claude, використовуючи звичайний вхід, створення кешу, читання кешу та вихідні дані. Результат є вимірюванням локальної активності — це не рахунок від OpenAI або Anthropic.
| Модель | Зареєстровані токени активності | Унікальні події використання / відповіді моделі |
|---|---|---|
| --- | ---: | ---: |
| GPT-5.5 | 12,96 мільярда | 95 930 |
| GPT-5.6 Sol, Terra та Luna | 1,88 мільярда | 12 370 |
| GPT-5.4, включаючи Mini | 3,43 мільярда | 26 624 |
| Claude Fable 5 | 3,27 мільярда | 16 878 |
| Всього | 21,54 мільярда | 151 802 |
Використовуючи метод високої води (high-water), GPT-5.4 склав близько 3,21 мільярда кешованих вхідних токенів, GPT-5.5 — 12,30 мільярда, а сімейство GPT-5.6 — близько 1,82 мільярда. Логи Fable містили близько 3,05 мільярда читань кешу та 181 мільйон токенів створення кешу.
Саме тому порівняння загальної суми з обсягом тексту, який може прочитати людина, є оманливим. Робота агентів повторно використовує великі контексти. Відповідне запитання полягає в тому, чи система зробила правильні речі з ними.
Кодова база за використанням: 59 проектів GitHub
На момент вимірювання мій обліковий запис GitHub мав 59 репозиторіїв: 50 приватних і 9 публічних. Вони приблизно розподіляються так:
У 26 репозиторіях GitHub, які мали локальний checkout з точно такою ж назвою, я виявив 6,90 мільйона відстежуваних рядків коду після фільтрації файлів постачальників, збірки, кешу та мініфікованих файлів. Це число визначається трьома великими застарілими PHP-платформами. Якщо їх прибрати, залишається близько 357 000 рядків у більш сучасній, більш власноруч створеній поверхні, яка включає TypeScript, Python, Swift, Shell та Astro.
Це не спроба виграти змагання за кількістю рядків коду. Мільйон поганих рядків все одно є боргом. Статистика показує широту середовища, в якому тестувалися моделі: мобільні додатки, бекенд, фронтенд, автоматизація, контент, операції та бізнес-логіка.
Fable 5 та GPT-5.6 кращі — але по-різному
Anthropic описує Fable 5 як свою модель для великих код-проектів, міграцій та довгих автономних сесій. OpenAI описує GPT-5.4 як поєднання передових можливостей кодування, роботи зі знаннями та використання комп'ютера. Сімейство GPT-5.6 ще більше змістило фокус у бік довготривалої роботи агентів.
Це досить добре відповідає моєму досвіду. Fable часто краще розуміє форму складної проблеми, перш ніж почати змінювати код. GPT-5.6 Sol частіше хапає проблему, використовує інструменти та просуває роботу вперед.
Дискусія в X показує той самий розкол:
Ця критика справедлива. Краща модель все ще може створити гірший робочий день, якщо маршрутизація, ціноутворення, обмеження контексту або політика безпеки є незрозумілими.
Модель — це двигун, а не автомобіль
Мовна модель може міркувати про код. Агент коду також має працювати всередині реальної системи.
Мій практичний стек виглядає так:
Кожна частина вирішує іншу проблему. Навичка без інструментів — це документація. Інструмент без політики — це ризик. Пам'ять без контролю версій стає старим фольклором. Збірка без живих перевірок все одно може залишити виробництво зламаним.
Робочі процеси розробника MCP: реальний шар контролю→ має особливе значення, оскільки він переміщує інтеграцію від користувацьких промптів до контракту, який можуть зрозуміти кілька клієнтів. Мій MCP особистої сторінки, наприклад, може досліджувати, створювати чернетку, генерувати зображення, аналізувати SEO та публікувати. Той самий агент все одно має знати, коли зупинитися на неопублікованій чернетці.
Великий стрибок — це довші ланцюжки роботи
У моєму попередньому тесті GPT-5.5 у Codex→ я помітив той самий зсув. Рік тому хороша сесія кодування часто виглядала так: запитати, отримати блок коду, скопіювати, протестувати його самостійно. Тепер агент може прочитати правила проекту, знайти правильний репозиторій, перевірити маршрут, змінити код, зібрати проект, вирішити конфлікт, зробити push та перевірити виробництво.
Це якісний зсув.
Водночас я бачив, як моделі:
Останній крок все ще є найдорожчим: довести, що результат існує у правильному місці та працює для реального користувача.
Чого нам все ще не вистачає
Краща автоматична маршрутизація моделей
Я не хочу обирати назви моделей та рівні міркувань для кожного підзавдання. Система повинна направляти огляд архітектури моделі, яка найкраще бачить цілісну картину, механічні зміни — швидшій моделі, а остаточну верифікацію — окремому перевіряючому.
Портативна робоча пам'ять
Контекст все ще застряг всередині конкретного клієнта, моделі або файлу сесії. Навички та MCP зменшують біль, але агент повинен мати можливість перемикати моделі, не втрачаючи перевірений спосіб роботи над проектом.
Верифікація як функція першого класу
Більшість демонстраційних агентів винагороджують виробництво коду. Я хочу вимірювати частку завдань, які завершуються перевіреною правильною зовнішньою станом: живий маршрут, рядок у базі даних, встановлений додаток, надіслане повідомлення або затверджена збірка.
Чіткіша вартість
Кешовані токени дешевші і іноді звітуються інакше, але користувач часто бачить лише смужку, яка швидко зникає. Агент повинен мати можливість сказати: це завдання використало X нових вхідних токенів, Y читань кешу, Z вихідних токенів і створило такий перевірений результат.
Моя рекомендація: спочатку побудуйте систему, потім супер-промпт
Почніть з вузького завдання, яке можна перевірити. Надайте агенту невеликий набір інструментів, напишіть навичку для робочого процесу та визначте, що вважається завершеним. Потім додавайте пам'ять та більше інструментів, коли побачите повторювану потребу.
Корисному агенту коду не потрібен вільний доступ до всього. Йому потрібен правильний доступ, правильний порядок та правило зупинки.
Тепер я використовую моделі Fable та OpenAI менше як оракулів і більше як компоненти. Fable може переглянути складний дизайн. GPT-5.6 Sol, Terra та Luna→ можна розділити за профілем роботи, а GPT-5.6 може керувати довгим потоком інструментів. Менша модель може перекладати або класифікувати. MCP з'єднує їх з реальними системами. Навички надають Codex багаторазовий спосіб роботи→. Git та тести вирішують, чи може результат рухатися далі.
Після 21,54 мільярда токенів найбільше покращення полягає не в тому, що моделі пишуть красивіший код. Вони можуть залишатися в роботі довше. Наше завдання — побудувати обмежувачі, пам'ять та верифікацію, які зроблять цей час цінним.