Claude Code SWE-bench 80.8% и контекст 1M — это реально чувствуется или маркетинг?

[anna_x]

Везде пишут CC лидирует: 80.8% на SWE-bench Verified, контекст до 1М токенов, лучший для мультифайловых задач. Кто на больших кодбазах реально гонял — это в работе ощущается или цифры ради цифр?

[polina_rust]

Подскажите, а как быть если ошибка повторяется после перезагрузки?

[grigory2102]

На монорепе ощущается. Он реально держит связи между файлами которые Cursor терял. Но 1М контекста маркетинг немного лукавит — после compaction эффективный объём заметно меньше, в другом треде это обсуждали.

[bytedocker1834]

На своём опыте с кодбазой ~80к строк TypeScript: контекст в 1М токенов — это не то что он читает весь одновременно полезно, а то что не приходится обрезать вручную при больших задачах. Реальный выигрыш заметен когда задача затрагивает 15-20 файлов с взаимными зависимостями — Cursor c 200k окном начинал терять края, CC держит связность дольше. Но SWE-bench это синтетика, там задачи изолированные. На живом проекте с запутанными абстракциями и неочевидными зависимостями качество всё равно деградирует после ~100k токенов активного контекста, просто чуть позже.

[reactnet2320]

Самый честный тест который я делал: взял задачу на рефакторинг модуля авторизации с затрагиванием 8 файлов, middleware, тестами и миграцией. CC прошёл её без промежуточных уточнений, сам нашёл все места где надо менять интерфейс. Cursor с тем же промптом попросил уточнения трижды и всё равно пропустил один из middleware. Разница реальная, но не в 10 раз — скорее в 1.5-2 раза по итоговому качеству на комплексных мультифайловых задачах. Для мелких однофайловых изменений оба одинаково хороши.

[semyon_core]

Cursor выигрывает по DX: автокомплит Supermaven с 72% acceptance, Composer для визуального мультифайл-эдитинга. CC выигрывает по тяжёлым задачам. Я держу оба и не парюсь, у каждого своя ниша.

[natalia_dev]

А есть смысл это делать в проде или только для локалки подходит?