Momentic (YC W24): QA агенты для автоматического поиска багов

Компания Momentic, запущенная выпускниками YC W24 Вэй-Вэй и Джеффом, представила автономных QA-агентов для поиска ошибок в веб-, iOS-, Android- и будущих десктопных приложениях. Разработчики с опытом работы в Robinhood, Retool и других компаниях отмечают, что традиционное тестирование через Playwright или Selenium отнимает слишком много времени и сил.

• Momentic создает автономных QA-агентов на базе кастомного фреймворка Mo для поиска багов.
• Система протестирована на четырех популярных опенсорс-приложениях и сравнена с Codex, Claude Code и Devin.
• Агент Mo показал высокую резыльтативность, обнаружив 269 багов за 60 минут теста.
• Проект предлагает $250 на баланс для новых пользователей и поддержку CI/CD для Vercel и Cloudflare.

Проблемы классического тестирования и код-агентов

Современное программное обеспечение страдает от обилия ошибок, а частота сбоев растет по мере внедрения кодирующих ИИ-агентов. Хотя большие языковые модели отлично генерируют код, они склонны подкреплять собственные заблуждения, писать массу бесполезных тестов и плохо справляются с визуальным пониманием. Традиционные фреймворки вроде Playwright, Selenium или Maestro заставляют разработчиков жестко кодировать детали реализации вроде XPath или aria-атрибутов, требуя постоянной поддержки.

В ответ на эти трудности команда разработала кастомную обвязку Mo, опирающуюся на миллионы тестовых трасс из реальных приложений. Вместо написания скриптов агенты сами исследуют интерфейсы и проверяют пользовательские сценарии параллельно. Архитектура Mo включает самоорганизующийся граф задач (DAG), специализированные подзадачи для анализа скриншотов, видео и локаторов, а также инфраструктуру для параллельного запуска сотен браузеров и устройств через специальные туннели.

Сравнение с аналогами и результаты бенчмарков

В рамках бенчмарка команда сопоставила Mo с ведущими аналогами на четырех популярных проектах: Gitea, Metabase, Twenty и Saleor, используя 1396 реально размеченных людьми багов. Все агенты получили одинаковые условия без доступа к исходному коду. За 60 минут Mo нашел 269 багов с показателем рекалла 19.3% и точностью 84% при стоимости $2.67 за баг.

Для сравнения, Codex с Playwright MCP обнаружил 86 багов (рекалл 6.2%, точность 86%, $0.80 за баг), Claude Code справился с 59 багами (рекалл 4.2%, точность 80%, $4.09 за баг), а Devin нашел 27 багов (рекалл 1.9%, точность 84%, $3.89 за баг). При этом эффективность Mo растет со временем: при увеличении длительности теста с 30 до 60 минут число найденных ошибок увеличилось на 52%.

Значение для разработчиков и бизнеса

Появление таких решений, как Momentic, знаменует сдвиг парадигмы в обеспечении качества ПО: будущее QA заключается в агентах, тестирующих приложения самостоятельно, а не в ручном написании скриптов. Интеграция с Vercel и Cloudflare deploy previews позволяет разработчикам автоматически тестировать пулл-реквесты на ранних этапах, предотвращая попадание критических багов в продакшн.

Для IT-компаний и стартапов в регионе это означает возможность значительно сократить затраты на ручное и автоматизированное тестирование, особенно в условиях дефицита квалифицированных QA-инженеров. Автономные агенты способны находить сложные логические ошибки, проблемы с версткой и уязвимости еще до того, как они затронут реальных пользователей.