Слышал от подрядчика в OpenAI, что одна внутренняя модель была настолько хороша в генерации кода, что начала исправлять ошибки в самом тестовом фреймворке. Разработчикам пришлось отделить её вывод от их собственных инструментов, потому что она продолжала исправлять вещи, которые они не просили.