Devin против Magic.dev: два ИИ-разработчика с разными ставками

В марте 2024 года стартап Cognition Labs показал Devin — систему, которую назвали «первым в мире полностью автономным ИИ-инженером». Ролик разошёлся мгновенно: агент сам читал задачу, планировал шаги, писал код, запускал терминал и правил собственные ошибки. Спустя несколько месяцев о себе громко напомнил Magic.dev, привлёкший, по данным Reuters, около 320 млн долларов при участии Eric Schmidt и фондов вроде Sequoia. Обе компании обещают заменить рутину разработчика, но идут к этому с противоположных сторон.

Разница принципиальная: Devin — это продукт-агент, который вы подключаете к своему репозиторию и задаёте задачи. Magic.dev — это в первую очередь исследование новой модели, а не готовая коробка. Ниже — что известно на середину 2024 года и где заканчиваются факты и начинается маркетинг.

Devin: агент как сотрудник

Cognition позиционирует Devin не как автодополнение кода в редакторе, а как отдельного «члена команды». У агента есть собственная песочница с браузером, терминалом и редактором. Вы ставите задачу в чате — Devin строит план, выполняет его по шагам и показывает лог действий.

Ключевая заявка в демо от марта 2024 — способность закрывать реальные задачи из баг-трекеров и даже подрабатывать на фриланс-платформах. Cognition приводила результат на бенчмарке SWE-bench¹: по их данным, Devin самостоятельно решал заметно больший процент задач, чем предыдущие подходы. Цифры компании стоит воспринимать с осторожностью — это заявление вендора, а не независимый аудит, и часть демонстраций позже критиковали за монтаж и подобранные примеры.

Автономный агент впечатляет в ролике на две минуты. Вопрос в том, что происходит на задаче, которая требует восьми часов и контекста всего проекта.

Как устроен доступ и цена

Долгое время Devin работал по закрытым спискам ожидания. Позже Cognition открыла командный доступ по подписке. Конкретную актуальную цену тарифа уточняйте на сайте Cognition — стартовые условия и лимиты по числу задач компания меняла с момента запуска, и фиксировать здесь одно число было бы неверно.

Magic.dev: ставка на длинный контекст

Magic.dev почти не показывает продуктовых демо. Их публичная история строится вокруг одного тезиса: модель, которая держит в контексте огромный объём информации — по заявлениям компании, порядка десятков миллионов токенов. Для сравнения: у большинства массовых моделей окно контекста измеряется сотнями тысяч токенов.

Зачем это разработчику. Если модель способна одновременно «видеть» весь репозиторий, документацию и историю изменений, ей не нужно дробить проект на куски и терять связи между ними. Magic.dev утверждает, что это меняет саму архитектуру работы с кодом — не «подсказка по файлу», а рассуждение над всей кодовой базой сразу.

Компания также анонсировала партнёрство с Google Cloud для постройки вычислительных кластеров под обучение. При этом публично доступного продукта, который можно взять и потестировать, как Devin, у Magic.dev на середину 2024 года по сути нет — это стадия исследования и привлечения капитала.

Прямое сравнение

Строго говоря, это сравнение продукта с направлением исследований. Devin можно попробовать сегодня и получить конкретный результат — иногда впечатляющий, иногда провальный. Magic.dev продаёт видение того, каким станет инструмент, если ставка на длинный контекст сыграет.

Что это значит для разработчика

Если вам нужен инструмент прямо сейчас, выбор между этими двумя — на самом деле не выбор: доступен только Devin, и то с оговорками по цене и качеству на сложных задачах. Реалистичный сценарий на 2024 год выглядит так:

• Рутина и типовые баги — агент вроде Devin может закрыть заметную долю мелких задач, но требует проверки каждого результата человеком.
• Крупный рефакторинг и легаси — здесь важен контекст всего проекта, и именно на это претендует подход Magic.dev, но пощупать его пока негде.
• Критичный к безопасности код — ни один автономный агент не стоит того, чтобы вливать его правки в прод без ревью.

Главная цена вопроса — не подписка, а время на проверку. Автономный агент, который в 30 процентах случаев делает работу неправильно, экономит меньше, чем кажется по демо: вы всё равно читаете каждую строку.

¹ SWE-bench — открытый набор реальных задач из GitHub-репозиториев (баги и запросы на доработку), на котором проверяют, способна ли ИИ-система самостоятельно внести корректную правку, проходящую тесты проекта.