Alle video's
0:00 / 0:00
research

The misaligned incentives behind AI coding agents

LangChain31 juli 2026Bekijk op YouTube

Wat je leert

  • Devin is een AI-softwareengineer die evolueert: toen de eerste versie 13% haalde op SWE-bench, werd Devin later de nummer één bijdrager aan zijn eigen codebase.
  • Smart model routing en selectie van het juiste model (Fable vs GPT) kunnen de cost-performance met 35% verbeteren zonder kwaliteit in te leveren.
  • AI-agenten worden effectief ingesteld door ze proactief in plaats van reactief in te richten, waardoor ze zelfstandig initiatief nemen.
  • Mergeability van gemerged code wordt het volgende evaluatiemaatstaf, omdat het meet of agent-geschreven code werkelijk integreerbaar is in bestaande systemen.
  • Cognition voorziet een $10 miljoen productiviteitsgarantie en meet sessies als productief of niet-productief door duidelijke metreken vast te stellen.

Veelgestelde vragen

Wat is het verschil tussen het gebruiken van Fable en GPT-modellen bij AI-agenten?
Fable en GPT-modellen hebben verschillende sterke punten: je kiest afhankelijk van de taak en de economische afweging tussen snelheid, kosten en kwaliteit. Smarter routing tussen deze modellen kan 35% beter price-performance opleveren.
Waarom is het een UX-fout om gebruikers zelf hun model te laten kiezen?
Wanneer gebruikers zelf model selecteren, maken ze vaak suboptimale keuzes. Intelligente routering in de achtergrond kiest automatisch het beste model per taak, wat betere resultaten en lagere kosten oplevert.
Wat betekent 'intelligence saturation' in de context van AI-coding?
Intelligence saturation betekent dat engineering-werk zo ingewikkeld is geworden dat snelheid en kosten belangrijker worden dan pure intelligentie. Dit gebeurt wanneer AI-agenten voldoende capabel zijn en bedrijven focus verleggen naar efficiëntie.
Hoe meet Cognition of een AI-agenten-sessie productief is?
Cognition hanteert duidelijke metreken om sessies als productief of niet-productief in te schatten. Dit stelt hen in staat een $10 miljoen productiviteitsgarantie te onderwijzen en klanten inzicht te geven in werkelijke waarde.

Onderwerpen

ai agentscoding agentsdevinmodel optimizationai economics

Lees ook

Beschrijving van het kanaal

Russell Kaplan is the President of Cognition, the $26 billion company behind Devin, the AI software engineer. He started his career in machine learning at Tesla's Autopilot team, then led the ML org at Scale AI, which had acquired his computer vision startup Helia. In this conversation, Russell unpacks why more and more engineering work is becoming "intelligence saturated," how the sidekick architecture inside Devin Fusion cuts cost without cutting quality, and why Cognition is underwriting a $10 million productivity guarantee. We also discuss: • Why mergeability is the next eval bar • When to use Fable vs GPT models • How smarter routing unlocked 35% better price performance • Why letting users pick their own model is a UX bug • Wiring agents to be proactive instead of reactive • How Cognition scores a session productive or unproductive Timestamps: 00:00 Introduction 01:21 Launching Devin at 13% on SWE-bench 02:47 When Devin became the number one committer to Devin 05:56 Intelligence saturation: when speed and cost start to matter more 07:05 When to use Fable vs GPT models 08:41 Why mergeability is the next eval bar 10:51 How open source maintainers shaped FrontierCode 14:56 The telltale sign of agent-written code 17:56 When per-person token spend starts to eclipse salaries 20:26 Why letting users pick their own model is a UX bug 21:46 How smarter routing unlocked 35% better price performance 23:50 Why Cognition still trains its own models 27:13 Deploying Cerebras at scale at 950 tokens per second 28:21 The Tesla chip debate: does an inference chip need division 30:06 Wiring agents to be proactive instead of reactive 32:19 Why "software factory" is the wrong term 35:16 Why everyone is now a new grad 41:10 Forward deployed engineering, and why ex-founders thrive 43:16 The industry's incentive to get you tokenmaxxing 45:11 How Cognition scores a session productive or unproductive 46:51 Underwriting a $10 million productivity guarantee 48:11 Using productivity dashboards to coach, not police References: • Anthropic: https://www.anthropic.com/ • Cerebras: https://www.cerebras.ai/ • Claude Fable: https://www.anthropic.com/claude/fable • Claude Opus: https://www.anthropic.com/claude/opus • Cognition: https://cognition.com/ • Cognition's AI Productivity Guarantee: https://cognition.com/blog/ai-guarantee • Devin: https://devin.ai/ • Devin Desktop: https://cognition.com/blog/introducing-devin-desktop • Devin Fusion: https://cognition.com/blog/devin-fusion • Devin Review: https://cognition.com/blog/devin-review • Devin Security Swarm: https://cognition.com/blog/introducing-devin-security-swarm • Estimating the Productivity of an Autonomous AI Software Engineer: https://cognition.com/blog/ai-productivity • FrontierCode: https://cognition.com/frontiercode • GPT-5.5: https://openai.com/index/introducing-gpt-5-5/ • GPT-5.5-Cyber: https://openai.com/index/gpt-5-5-with-trusted-access-for-cyber/ • Harbor: https://www.harborframework.com/ • LangSmith: https://smith.langchain.com/ • OpenAI: https://openai.com/ • OpenRouter Model Fusion: https://openrouter.ai/fusion • SWE-1.6: https://cognition.com/blog/swe-1-6 • SWE-bench: https://www.swebench.com/ • Tesla: https://www.tesla.com/ Where to find Russell: • LinkedIn: https://www.linkedin.com/in/russelljkaplan • Twitter/X: https://x.com/russelljkaplan Where to find Harrison: • LinkedIn: https://www.linkedin.com/in/harrison-chase-961287118/ • Twitter/X: https://x.com/hwchase17 Where to find LangChain: • Website: https://www.langchain.com/ • Docs: https://docs.langchain.com/ Send feedback or questions to maxagency@langchain.dev