В продолжение темы моделей - есть такая контора FactoryAI, которая запускает неплохих агентов Droids. Она провела исследование, какие модели лучше делают ревью кода.

И здесь тоже новые модели Антропика и OpenAI уступают старым! Лучшая модель - GPT 5.2 (интересно, что в кодексе старые модели доступны, похоже что не случайно..)

Видимо, какое-то плато не так далеко, и опенсорсные модели не так далеко от него