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

[Tcraw62981]

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?

[darkblueteam]

Подскажите, а как быть если ошибка повторяется после перезагрузки?

[alansmit]

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.

[vuepro]

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.

[Vvz1995]

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.

[k8s_master]

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.

[ama123]

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

[sylvia666]

@darkblueteam, какая перезагрузка? Ты тредом не ошибся, тут про бенчмарки Claude Code вообще-то.

[smith_zhenya]

Гонял на легаси монолите, ~300к строк PHP 7.4 пополам с jQuery. Так вот, бенчи бенчами, а на таком коде никакой 1М не спасает, он начинает уверенно чинить то, что не сломано. Где CC реально хорош, это когда в кодбазе есть структура и тесты. Где помойка, там он генерит правдоподобную помойку дальше. И да, на Pro подписке за вечер плотной работы упираешься в лимиты, имейте в виду.

[van100]

@k8s_master, откуда 72% acceptance у Supermaven? Это их же цифра из маркетингового блога. По моим ощущениям принимаю хорошо если треть подсказок, остальное шум, который еще и сбивает, когда думаешь. Держать оба инструмента ок, но не надо чужой пресс-релиз цитировать как факт.