Z 17% do 40% w sześć miesięcy
Ponad 40% pull requestów otwartych na GitHubie we wrześniu 2026 roku rozpoczął agent AI — wynika z opublikowanego 28 października raportu firmy Octoverse 2026. To około 110 milionów pull requestów w ciągu jednego miesiąca, mniej więcej sześciokrotnie więcej niż w marcu, gdy agenci stanowili 17% całości.
Programiści wypchnęli kod 17,9 miliarda razy w ciągu dwunastu miesięcy objętych raportem — więcej niż w latach 2024 i 2025 łącznie. Okno pomiarowe obejmowało okres od 1 października 2025 do 30 września 2026 roku, a GitHub wykrywał aktywność agentów na podstawie sygnałów platformy, a nie deklaracji użytkowników.
Większe zmiany, cięższa weryfikacja
Pull requesty rozpoczęte przez agentów modyfikowały wiele plików w 87% przypadków, w porównaniu z 79% dla tych otwieranych przez ludzi. Ten wzorzec ma znaczenie dla recenzentów: zmiana obejmująca wiele plików jest trudniejsza do sprawdzenia niż jednolinijkowa poprawka, a zdolność do recenzji nie rosła w tym samym tempie co zdolność do generowania kodu.
GitHub informował także o powtarzających się awariach na dużą skalę w miarę wzrostu obciążenia przetwarzaniem. Firma zwiększyła moce o miliony rdzeni obliczeniowych w ciągu roku, a jej wpisy inżynierskie opisują zmiany w kolejkach i limitach szybkości wdrożone, by utrzymać stabilność platformy w godzinach szczytu.
Narzędzia zbiegają się ku temu samemu benchmarkowi
Raport ukazał się wraz z nowymi danymi produktowymi. GitHub Copilot Fusion, obecnie ogólnie dostępny, został oceniony na 60,0 w Coding Agent Index v2.0 przez niezależnego ewaluatora Artificial Analysis 28 października. Konfiguracja porównawcza Claude Code z Claude Opus 5.5 Max uzyskała 61,7 — różnica 1,7 punktu.
Te liczby sugerują, że wiodący agenci kodujący są blisko siebie w zadaniach benchmarkowych, co przesuwa konkurencję w stronę niezawodności, jakości recenzji i kosztu na scaloną zmianę. Zespoły inżynierskie cytowane przez media branżowe mówią, że wąskie gardło przeniosło się z pisania kodu na jego weryfikację, a kilka z nich testuje pull requesty generowane przez agentów na surowszych automatycznych kontrolach, zanim przeczyta je człowiek.
Następną liczbą wartą obserwacji są godziny recenzji na scalony pull request. Jeśli będą rosnąć wraz z produkcją, agenci przesuwają pracę, a nie ją usuwają.