Поскольку оценки моделей становятся насыщенными, «оценки» агентов станут следующим рубежом того, что имеет значение. Это будет сложнее получить, так как это так специфично/ориентировано на задачу. Является ли Девин лучше Ампа в рефакторинге? Является ли Кодекс лучше Клода Код для отладки?