آرس تکنیکا گزارش می‌دهد که ایجنت‌های کدنویسی کد بیشتری تولید می‌کنند بدون افزایش متناظر در نرم‌افزار تحویل‌شده. این مشاهده با آنچه Behzat AI در استقرار ایجنت‌ها می‌بیند سازگار است: توان عملیاتی در لایه تولید با تحویل یکی نیست، و صف صرفاً به پایین‌دست منتقل می‌شود. بازبینی، یکپارچه‌سازی و راستی‌آزمایی حجم اضافی را جذب می‌کنند، بنابراین نویسنده سریع‌تر به‌خودی‌خود مسیر تا تولید را کوتاه نمی‌کند.
این یافته پس از گزارش‌های پیشین درباره افشای ۱۳٬۰۰۰ تصویر داخلی توسط ایجنت‌های کدنویسی از طریق مخازن مطرح می‌شود. آن حالت شکست یک مسئله راستی‌آزمایی است نه یک مسئله تولید، و به همان نتیجه اشاره دارد: خروجی ایجنت باید در برابر آنچه
به‌طور جداگانه، MIT و Sakana AI نشان داده‌اند که داوران LLM می‌توانند هزینه ارزیابی ایجنت کدنویسی را کاهش دهند. ارزیابی ارزان‌تر تغییر می‌دهد که خروجی ایجنت هر چند وقت یک‌بار می‌تواند بررسی شود، و این زمانی مهم است که ظرفیت بازبینی گلوگاه باشد. Behzat AI ارزیابی را بخشی از طراحی ایجنت می‌داند، نه یک افزوده بعدی، و راستی‌آزمایی را درون حلقه می‌سازد تا کد تولیدشده در برابر نرم‌افزار تحویل‌شده سنجیده شود. پرسش باز در این پوشش خبری این است که چه مقدار از شکاف گزارش‌شده مربوط به ابزار است و چه مقدار مربوط به فرایند؛ گزارش‌های ارائه‌شده این دو را از هم جدا نمی‌کنند.