← Все новости
NEWS

Asana удалила Enzyme из кодовой базы за две недели с помощью OpenAI Codex

Asana удалила Enzyme за две недели с OpenAI Codex: coding agents, API limits, 429 и budget control.

Asana удалила Enzyme из кодовой базы за две недели с помощью OpenAI Codex

18 августа 2026 года OpenAI опубликовала кейс Asana: компания удалила Enzyme из крупной фронтенд-кодовой базы примерно за две недели с помощью OpenAI Codex. Первоисточник: https://openai.com/index/asana/

По данным OpenAI, Asana раньше оценивала миграцию с Enzyme как проект минимум на пять лет и примерно $6 млн затрат на команду. В новом процессе Codex работал от короткого промпта: до четырёх coding agents запускались параллельно в отдельных копиях кодовой базы, а инженер дважды в день проверял прогресс и ревьюил каждое предложенное изменение. После 1.5 недели инженерной работы в рамках двух календарных недель Enzyme был полностью удалён. Расходы на модели и инфраструктуру составили около $12 000.

Миграция через Codex — это продакшн-паттерн для coding agents: модель массово меняет legacy codebase под человеческим review gate. Для API market здесь важны concurrency, budget caps, retries и воспроизводимость изменений. Когда несколько agents одновременно проходят по большой кодовой базе, узкое место быстро смещается к лимитам API, 429, tool failures, учёту затрат и качеству audit trail.

Практический checklist для команд, которые запускают coding agents на legacy migrations: 1. Ограничь число параллельных agents и model calls на один migration batch. 2. Разделяй planning, code edit, test run и review summary в telemetry, чтобы видеть, где сгорает бюджет. 3. Логируй 429, timeout, tool failure и rejected patch как разные failure modes. 4. Не делай blind retry всего workflow: используй idempotency key, branch isolation и отдельные worktrees. 5. Проверяй fallback-модель на совместимость с patch format, tool calling и repository context до production rollout.

Используй coding agents, когда задача повторяемая, проверяемая тестами и разбивается на небольшие diffs для ревью. Безопасный production-паттерн — держать agent concurrency, model routing, budget limits, retries и human approval в одном control plane, чтобы проблемы capacity у провайдера не превращали миграцию в неконтролируемый инцидент по стоимости или надёжности.

💡Мнение API429

Мнение API429: кейс Asana показывает, что enterprise coding agents становятся вопросом API-инфраструктуры. Большие migrations требуют параллельных model calls, контроля расходов, устойчивости к 429 и понятного failover без потери repository context. API429 уместен как OpenAI-compatible routing layer для команд, которым нужно управлять лимитами, retries, model access и production reliability вокруг Codex-style workflows.

Нужен стабильный доступ к LLM API без сбоев?

Подключим Gateway с управлением лимитами, платежами и отказоустойчивой маршрутизацией для OpenAI, Gemini и Anthropic.

Следующие новости

Telegram