Steve Yegge ferme Gas Town après des milliers de dollars

Steve Yegge ferme Gas Town après avoir consacré plusieurs milliers de dollars par mois à des abonnements d’agents de codage. Le développeur a reconnu n’avoir construit que Gas Town avec ces outils, avant d’arrêter le projet. Cette décision intervient après une adoption très visible du « tokenmaxxing », selon le compte rendu d’AINews publié le 17 septembre 2026. Dan Luu a relevé cette évolution dans une publication sur X, en rapprochant le cas de ses observations sur les orchestrateurs fortement automatisés. Son analyse cite la fiabilité d’exécution comme difficulté pour ces systèmes. Le cas oppose donc dépenses récurrentes et résultats effectivement obtenus par leur utilisateur le plus connu.

Le cas Gas Town illustre une limite rapportée sur les orchestrateurs d’agents de codage. Dan Luu indique ne pas avoir trouvé ces outils très utiles, notamment à cause de leur fiabilité pour terminer les tâches. Son billet sur le codage assisté par IA développe cette observation. AINews reprend aussi le constat de Steve Yegge, présenté comme l’auteur de l’orchestrateur le plus célèbre de cette catégorie. Les faits rapportés concernent un projet précis et une expérience individuelle. Ils ne permettent pas d’évaluer tous les agents de codage. Ils montrent toutefois que des abonnements coûteux et une forte consommation de jetons n’assurent pas, à eux seuls, la construction réussie de plusieurs logiciels.

Databricks déploie Astra auprès de 3500 ingénieurs

Databricks déploie Astra auprès d’environ 3 500 ingénieurs, après un pilote réalisé avec près de 200 utilisateurs. Patrick Wendell rapporte que GPT-6 Astra surpasse clairement les anciens modèles haut de gamme Opus 5 et Sol 5.6 pour les tâches complexes. Il cite notamment la conception de systèmes et les travaux nécessitant une exécution prolongée. Son retour est publié sur X. Wendell indique aussi que l’amélioration peut être limitée pour les tâches de codage moyennes ou peu complexes. Le déploiement ne constitue donc pas une préférence uniforme pour tous les usages. Databricks a créé un sous-budget dédié à Astra afin d’encourager une utilisation sélective du modèle.

Les dépenses augmentent de près de 60 % lorsque les ingénieurs de Databricks utilisent Astra, selon Patrick Wendell. Cette hausse concerne la dépense globale de codage observée après le déploiement auprès des quelque 3 500 ingénieurs. AINews précise qu’Astra est souvent présenté comme moins cher que Sol selon plusieurs évaluations du coût par tâche, grâce à son efficacité en jetons. Les résultats ne sont toutefois pas identiques partout. Databricks rapporte ici une dépense totale supérieure, malgré les performances annoncées sur les tâches complexes. D’autres comparaisons citées par AINews placent Astra et Fable parmi les modèles les plus performants, mais aussi parmi les plus coûteux par tâche. Ces chiffres décrivent des mesures différentes.

Le choix devient sélectif lorsque les performances et les coûts sont examinés ensemble. Chez Databricks, le sous-budget Astra doit orienter son emploi vers certaines tâches, après une hausse de 60 % des dépenses de codage. Le retour de Patrick Wendell associe cette dépense supplémentaire à des résultats supérieurs sur la conception de systèmes et les travaux de longue durée. Il ne signale pas la même amélioration pour le codage moyen ou peu complexe. AINews rapporte aussi qu’Astra occupe la première place d’une évaluation globale des capacités menée par EpochAIResearch, tandis que Claude Fable 5.1 reste le plus fort en ingénierie logicielle selon cette analyse. Les classements et les coûts varient donc selon la tâche mesurée.