Fra 17% til 40% på seks måneder
Mere end 40% af de pull requests, der blev åbnet på GitHub i september 2026, begyndte med en AI-agent, ifølge virksomhedens Octoverse 2026-rapport, der blev offentliggjort den 28. oktober. Det er omkring 110 millioner pull requests på en enkelt måned, cirka seks gange martsvolumenet, hvor agenter tegnede sig for 17% af det samlede antal.
Udviklere push'ede kode 17,9 mia. gange i løbet af de tolv måneder, som rapporten dækker, mere end i 2024 og 2025 tilsammen. Målevinduet løb fra 1. oktober 2025 til 30. september 2026, og GitHub registrerede agentaktivitet gennem platformsignaler snarere end selvrapportering fra brugerne.
Større ændringer, tungere gennemgang
Agent-startede pull requests ændrede flere filer i 87% af tilfældene, sammenlignet med 79% for dem, der blev åbnet af mennesker. Det mønster betyder noget for gennemlæsere: en ændring, der berører mange filer, er sværere at kontrollere end en rettelse på én linje, og gennemgangskapaciteten er ikke vokset i samme tempo som genereringskapaciteten.
GitHub har også rapporteret om gentagne store nedbrud, efterhånden som behandlingsbelastningen steg. Virksomheden udvidede sin kapacitet med millioner af compute-kerner i løbet af året, og dens tekniske indlæg beskriver ændringer i køstyring og hastighedsbegrænsninger, der blev rullet ud for at holde platformen stabil i spidsbelastningstimer.
Værktøjer konvergerer mod samme benchmark
Rapporten kom samtidig med nye produktdata. GitHubs Copilot Fusion, nu alment tilgængelig, blev scoret til 60,0 på Coding Agent Index v2.0 af den uafhængige evaluator Artificial Analysis den 28. oktober. En sammenligningskonfiguration af Claude Code med Claude Opus 5.5 Max blev scoret til 61,7, en forskel på 1,7 point.
Disse tal tyder på, at de førende kodeagenter er tæt på hinanden i benchmarkopgaver, hvilket flytter konkurrencen mod pålidelighed, gennemgangskvalitet og omkostninger pr. sammenflettet ændring. Ingeniørteams, som fagmedierne har talt med, siger, at flaskehalsen er flyttet fra at skrive kode til at verificere den, og flere tester agentgenererede pull requests mod strengere automatiserede kontroller, før et menneske læser dem.
Det næste tal, der er værd at følge, er gennemgangstimer pr. sammenflettet pull request. Hvis det fortsætter med at stige, mens outputtet vokser, flytter agenterne arbejdet rundt snarere end at fjerne det.