Cursor ha ricostruito SQLite con uno sciame di agenti, e i modelli economici hanno fatto quasi tutto
Usando soltanto il manuale di 835 pagine, il nuovo sciame di agenti di Cursor ha scritto un clone funzionante di SQLite in Rust. Dividere il lavoro tra un pianificatore costoso ed esecutori economici ha ridotto il conto da 10.565 a 1.339 dollari a parità di qualità.
Cursor ha sottoposto il proprio sciame a un test insolitamente puro: ricostruire SQLite, il motore di database presente in quasi ogni telefono e browser, in Rust, usando soltanto il manuale di 835 pagine. Niente codice sorgente, suite di test o Internet. La valutazione si basava su sqllogictest, milioni di query SQL dalle risposte note la cui esistenza era ignota agli agenti. Ogni configurazione del nuovo sistema ha infine ottenuto il 100%.
Il cambiamento è semplice. Gli agenti sono divisi in due ruoli. I pianificatori, basati su costosi modelli di frontiera, scompongono l’obiettivo in compiti sempre più piccoli. Gli esecutori, con modelli più rapidi ed economici, li svolgono. I primi non scrivono codice, i secondi non pianificano. Cursor lo considera una soluzione al problema del contesto: un unico agente deve ricordare obiettivo generale e sottocompito attuale, motivo per cui le lunghe esecuzioni deviano. I risultati sono netti. Il vecchio sciame ha prodotto 68.000 commit in due ore, circa settanta volte il nuovo, perlopiù sprecati: oltre 70.000 conflitti di fusione contro meno di 1.000. Il vecchio sistema richiedeva 64.305 righe di codice del motore, il nuovo 9.908.
Il denaro rende tutto interessante anche per chi non costruisce agenti di programmazione. Eseguire l’intero lavoro con GPT-5.5 è costato 10.565 dollari. Dividerlo tra Opus 4.8 come pianificatore e Composer 2.5 di Cursor come esecutore è costato 1.339 dollari, con risultati comparabili o migliori. Gli esecutori hanno consumato almeno il 69% dei token in ogni prova, spesso molto di più, ma i loro modelli economici non erano la fonte principale del conto. Nell’ibrido Opus, il pianificatore produceva pochi token ma due terzi del costo. La lezione di Cursor è che soltanto pochi momenti richiedono intelligenza di frontiera: scomporre il lavoro e prendere decisioni progettuali. Eliminata l’ambiguità, modelli economici seguono il piano. Una riserva: la qualità del pianificatore contava ancora molto. Fable 5 usava meno token di pianificazione ma lasciava gli esecutori consumarne molti di più, aumentando il costo totale.
Cosa significa per te: Se inizi con l’IA, l’idea utile non riguarda SQLite. «Quale modello devo usare?» spesso è la domanda sbagliata; la risposta migliore è «uno intelligente per pianificare, uno economico per eseguire». Puoi farlo a mano: chiedi a un modello costoso un piano chiaro, poi affida i singoli passaggi a uno più economico. Se costruisci agenti professionalmente, Cursor ha pubblicato su GitHub il codice di una prova come minisqlite; la divisione pianificatore-esecutore è la parte da copiare. Mantieni però aspettative realistiche: uno studio del 2025 ha rilevato che il 68% degli agenti impiegati nelle aziende completa al massimo dieci passaggi prima dell’intervento umano. Sciami di laboratorio e agenti di produzione restano molto diversi.
Fonti
I robot stanno esaurendo i dati di addestramento, così una startup registra le onde cerebrali
In un magazzino di San Leandro, Encord paga persone per giocare a Jenga indossando visori che seguono occhi e attività cerebrale. La scommessa: il limite dell’IA robotica non è il modello, ma dati da produrre invece che raccogliere dal web.
