Greptile har nettopp gitt ut en «2025 State of AI Programming Report», et selskap som gjør AI-kodegjennomganger, og kundene spenner fra stjerneoppstartsbedrifter som PostHog og Brex til Fortune 500-selskaper. Omtrent en milliard kodelinjer passerer gjennom systemet deres hver måned, så de har ganske mye førstehåndsdata tilgjengelig. Et utdrag fra rapportens tallsett: Antall kodelinjer produsert av utviklere per måned økte fra 4 450 til 7 839, en økning på 76 %. Volumet av PR øker også, med medianen som øker fra 57 til 76 linjer. Økningen for mellomstore team er enda mer overdrevet, og når 89 %. Faktisk har jeg tidligere klaget på at mange liker å måle produktivitet etter antall kodelinjer, fordi kode ikke er en ressurs, men en byrde, og mer kode betyr vanskeligere å vedlikeholde, og mer AI-generert kode betyr flere feil å vedlikeholde. Fordelingen av fordelene med AI-programmeringsverktøy er svært ujevn. I prosjekter som allerede har god testdekning og klare modulgrenser, er AI et flott tillegg. Men i situasjoner der komplekse eldre systemer krever inngående domenekunnskap, kan den begrensede hjelpen til og med være ineffektiv. Men uansett, nå er AI som gjør kode inflasjonsførende, et faktum. AI har økt antall kodelinjer, så har kvaliteten blitt bedre? Dessverre nevner ikke rapporten dette, tross alt er kodelinjer gode statistikker, og kodekvalitet er ikke lett å måle. Dataene i rapporten kan fortsatt vises. Når det gjelder verktøyøkologi, konkurrerer markedet for vektordatabaser for øyeblikket med hjortene, med Weaviate i spissen med 25 % andel, men de neste seks eller syv selskapene ligger alle mellom 10 % og 25 %, og vinneren er ennå ikke avgjort. mem0 står for 59 % av AI-minnepakken, langt fremme. Når det gjelder regelfiler, toppet CLAUDE .md listen med en adopsjonsrate på 67 %, noe som indikerer at det faktisk finnes mange utviklere som bruker Claude som programmeringsagenter. Trenden med SDK-nedlastinger er enda mer interessant. OpenAI er fortsatt den absolutte lederen, med 130 millioner nedlastinger per måned. Men Anthropics vekstrate har vært overveldende, med en økning på 1 547 ganger fra april 2023 til nå, og er nå stabil på 43 millioner. Nedlastingsforholdet mellom OpenAI og Anthropic har krympet fra 47:1 i begynnelsen av 2024 til nå 4,2:1. Googles GenAI SDK ligger fortsatt på 13,6 millioner, betydelig bak. I seksjonen for modellytelsessammenligning ble GPT-5.1, GPT-5-Codex, Claude Sonnet 4.5, Claude Opus 4.5 og Gemini 3 Pro testet. Flere funn er bemerkelsesverdige. Den første token-responstiden er mindre enn 2,5 sekunder for begge antropiske modeller, mens de tre andre er mer enn dobbelt så lange. Ikke undervurder disse få sekundene – i interaktive programmeringsscenarier vil tankene dine bli avbrutt hvis du venter lenge, og du må gå inn i tilstanden igjen. Når det gjelder gjennomstrømning, er OpenAIs to modeller de raskeste, med en median på 60-70 tokens per sekund. Antropisk er mellom 17-20 år, og Tvillingene er bare 4-5 år. Men høy gjennomstrømning betyr ikke alt, det avhenger av om brukssituasjonen virkelig må være så rask. Kostnadssammenligningen er satt til 1x basert på GPT-5 Codex, GPT-5.1 er også 1x, Gemini 3 Pro er 1,4x, Claude Sonnet 4.5 er 2x, og Claude Opus 4.5 er 3,3x. Anthropics modell er betydelig dyrere, men mange brukere synes kodekvaliteten er bedre og er villige til å betale for det. Rapporten avsluttes med en rekke nyere forskninger, inkludert MoE-arkitekturen til DeepSeek-V3, avveiningen mellom lang kontekst vs. RAG, og rammeverket for konstant minne-agent for MEM1. Denne delen er mer som en leseliste for profesjonelle utviklere, ikke utvidet.