Баги в приложении ищет агент вместо тестов: Mo от Momentic нашёл 269 за час

Momentic ставит на то, что тесты писать больше незачем: баги ищет агент, который сам нажимает кнопки в приложении. Основатели подпирают это замером DeepSWE v1.1: Sonnet 5.5 без права писать тесты решает 66,2% задач, с правом 65,3%.

Не хотите разбираться сами? Внедряем ИИ в ваш бизнес: задачи без лимита, одна цена в месяц, отмена в любой момент.

Раньше хардкод. E2E-тест на Playwright, Selenium или Maestro держался на зашитых XPath, текстах и aria-атрибутах, и после каждой правки вёрстки его чинили руками. Теперь Mo строит граф обхода на ходу: крупные области продукта он разводит на параллельные подагенты, каждому даёт свой браузер или устройство, а один bug bash поднимает сотни таких устройств.

Замер Momentic выложила сама: 1396 багов, размеченных руками, 20 продуктовых областей в Gitea, Metabase, Twenty и Saleor, судьёй работал GPT-6.1 Sol с проверяющим человеком. Конкурентам браузер давали через Playwright MCP, всем участникам достался один и тот же бриф и чистая песочница.

- Mo: 269 багов из 1396, реальными оказались 84,2% находок, $2,67 за баг - Codex на GPT-6.1 Sol: 86 багов, точность 86,0%, $0,80 за баг - Claude Code на Opus 5.5: 59 багов, точность 79,5%, $4,09 за баг - Devin: 27 багов, точность 84,4%, $3,89 за баг

Время на стороне агента. С 30 до 60 минут Mo вырос со 177 находок до 269, плюс 52%. Codex за то же удвоение времени добрал 16%.

Поставить можно сейчас. Агент живёт отдельным пакетом: `npm install -g qa`, затем `qa skills -y` и `qa start "<бриф>"`. Ключ из настроек аккаунта кладётся в MOMENTIC_API_KEY, новому аккаунту дают $250 кредитов на Mo и карту не просят. Своё локальное приложение агент видит через туннель, который открывает ему localhost и закрытые сайты.

Сам бенчмарк открыт под MIT: репозиторий qa-bench собрал 277 коммитов, прогон запускается командой `pnpm eval` на Node 22.12 и аккаунте E2B.

Поддержку desktop-приложений Momentic обещает позже, пока агент ходит по веб-, iOS- и Android-сборкам.