Cursor-rapporten afslører: AI udvikling er eksploderet – og forandrer alt

Tallene er landet, og de fortæller en historie, der både er spændende og bekymrende. Cursors første Developer Habits Report sætter tal på noget, mange af os har mærket på skindet: Måden vi skriver software på er fundamentalt ved at ændre sig, og tempoet overrasker de fleste.

Accelerationen er reel – og den bremser ikke

Lad os starte med de store tal. Udviklere tilføjer nu cirka 8.600 linjer kode om ugen, mod omkring 3.600 i starten af 2026. Det er næsten 2,5 gange mere på bare et par måneder. Men det, der virkelig fangede min opmærksomhed, er at arbejdets karakter ændrer sig.

Pull requests bliver større. Mega-PRs – altså dem med mindst 1.000 ændrede linjer – er ved at blive hverdag snarere end undtagelse. Og coding agents tager sig ikke længere kun af simple opgaver. På bare to måneder er gennemsnittet af tool calls per session steget med cirka 30%. Agenter læser filer, søger i kodebaser, kører shell-kommandoer og surfer på nettet med stigende selvstændighed.

Det har kæmpe konsekvenser for, hvordan vi indretter vores arbejdsgange. Hvis dit team ikke tænker over, hvordan I udnytter AI-værktøjer effektivt, konkurrerer I i bund og grund med udviklere, der har opgraderet hele deres workflow.

Økonomien bliver interessant

Her bliver det virkelig spændende set fra en forretningsvinkel. Rapporten viser, at omkostningen per agent-forespørgsel varierer med næsten 9 gange mellem forskellige model-familier. Det er en enorm spredning, og det betyder, at den samme arbejdsgang kan have dramatisk forskellige omkostningsprofiler alt efter, hvilken model I vælger.

Men her kommer nuancerne: Når I kigger på cost per godkendt linje kode – altså linjer der faktisk ender i kodebasen – falder forskellen til omkring 7 gange. Dyrere modeller tjener altså delvist deres merpris hjem ved at levere mere brugbar kode per forespørgsel.

For startups og virksomheder er det her afgørende data. Den billigste løsning er ikke altid den mest økonomiske. I skal tænke i totalomkostninger per leveret, fungerende kodelinje – ikke kun prisen per request.

Power user-gabet bør bekymre dig

Det er nok den mest tankevækkende del af hele rapporten. AI-brug er ekstremt koncentreret. Vi taler Gini-koefficienter på 0,77 til 0,72 på tværs af forskellige målinger. En lille procentdel af udviklerne står for en enorm del af AI-linjer, forbrug og token-forbrug.

Men det bliver værre: P99-udviklere producerer 46 gange flere linjer end median-brugere og merger 15 gange flere PRs. Lad det synke ind et øjeblik.

Det handler ikke kun om individu produktivitet – det handler om konkurrencemæssige forspring. Teams, der finder ud af at operere i toppen af denne fordeling, vil bygge hurtigere, shippe mere og skabe reelle fordele over for dem, der stadig betragter AI-værktøjer som nice-to-have.

Kontekst er kongen

Skiftet mod kontekst-tunge arbejdsgange er en af de mest undervurderede tendenser i rapporten. Input-tokens udgør nu mere end 90% af ikke-cachet model-forbrug. AI-assistants læser markant mere kontekst, før de producerer output.

Det betyder noget af flere grunde. For det første koster input-tokens mindre end output-tokens, og cache-læste tokens koster endnu mindre. Så disse kontekst-tunge arbejdsgange bliver faktisk mere omkostningseffektive over tid. For det andet repræsenterer det et fundamentalt skift i, hvordan vi bør tænke om AI-værktøjer – de er ikke bare autocomplete på steroider. De bliver til full-context samarbejdspartnere, der forstår hele din kodebase, workflow og intention.

Hvad det betyder for din stack

Hos NameOcean har vi fulgt denne transformation tæt. Opkomsten af AI-assisteret udvikling ændrer ikke bare, hvordan udviklere skriver kode – det ændrer, hvad vi har brug for fra vores infrastruktur og værktøjer.

Hurtigere udviklingscyklusser betyder hurtigere iteration, hvilket betyder, at dit hosting-miljø skal følge med. Vibe coding og AI-assisterede workflows kræver infrastruktur, der kan skalere med hastigheden i moderne udviklingsteams. Uanset om du deployer flere gange dagligt eller kører automatiserede testpipelines, bør din hosting træde i baggrunden og lade dig fokusere på at bygge.

Den infrastruktur, der understøttede månedlige release-cyklusser, er ikke bygget til teams, der merger snesevis af PRs dagligt. Hvis du kører på legacy-infrastruktur, skaber du friktion præcis i det øjeblik, hvor du har brug for maksimal hastighed.

Konklusionen

Vi lever midt i en reel transformation af softwareudvikling. Værktøjer, arbejdsgange og endda økonomien skifter med et tempo, der kræver konstant tilpasning. Uanset om du er en solo-udvikler, der eksperimenterer med AI-værktøjer, eller en startup, der opbygger dit engineering-team, bliver det konkurrencemæssige landskab omtegnet.

De udviklere, der vil trives, er dem der behandler AI ikke som en nyhed, men som en kernekompetence – og som bygger hele deres stack (inklusiv deres hosting-infrastruktur) til at understøtte den virkelighed.

Fremtidens udvikling er ikke bare AI-assisteret. Den er AI-native. Og tiden til at tilpasse sig er nu.