Opus 5.5 в ревью кода CodeRabbit ловит другие баги

В конвейере ревью CodeRabbit модель Opus 5.5 нашла 11 ошибок, которые пропустила рабочая связка моделей, но упустила 9, которые та поймала. На 80 известных баг-паттернах конфигурация Standard набрала 51 против 49 у базовой линии при чуть меньшей точности.

На 13 трудных случаях набора Signal отрыв заметнее: конфигурация Max поймала 10, базовая линия 5. Обе конфигурации Opus 5.5 нашли гонку в Cal.com, где два задания читали один счётчик повторов и затирали запись друг друга. Модель предложила атомарный инкремент: база сама прибавляет единицу к текущему значению.

Платить за это приходится токенами: у Standard расход вырос на 49,2% против рабочей связки. Сколько ревью стоит в долларах, CodeRabbit не посчитала. Скидку на токены, похоже, придётся сверять с собственным счётом.