Společnost Augment Code uvedla počátkem května 2026 do public preview platformu Cosmos, kterou popisuje jako operační systém pro agentický vývoj softwaru. Nástroj cílí na firemní vývojové týmy a zatím je dostupný výhradně v plánu MAX za 200 dolarů na vývojáře a měsíc.
Cosmos nemá být dalším našeptávačem kódu po vzoru GitHub Copilotu nebo Cursoru. Augment ho staví o patro výš: jako runtime, kde vedle sebe koexistují vývojáři, agenti, repozitáře, nástroje a sdílená paměť, a kde spolu komunikují napříč celým životním cyklem vývoje (SDLC). Agenti mohou běžet lokálně i v cloudu Augmentu.
Problém, který Augment pojmenoval
Argument, na kterém celá platforma stojí, zní logicky. Moderní modely umí generovat kód s přehledem, jenže ve velkých firmách se naráží na jinou potíž: znalosti se nešíří.
Když jeden vývojář vyladí dobrý postup nebo naučí agenta interním pravidlům, přínos zůstane uzamčený v jeho relaci. Po zavření okna je pryč. Kolegové začínají od nuly a agenti opakují tytéž chyby dokola.
Augment to ve svých materiálech shrnuje úsečně: vaši inženýři mají agenty, vaše organizace ne. Produktivita jednotlivců roste, ale firma jako celek se učí pomalu, protože nejlepší postupy žijí v shell historii pár lidí a sdílejí se leda přes markdown soubory hozené do Slacku.
Řešením má být persistentní paměť. Cosmos propojuje repozitáře, dokumentaci, historii změn i zpětnou vazbu od lidí do jedné kontextové vrstvy. Opravíte-li jednou rozhodnutí agenta, korekce se nevypaří, ale zůstane k dispozici dalším agentům i lidem. Augment tomu říká efekt složeného úročení: každá oprava trvale zvyšuje kvalitu další práce.
Pod tím vším jede komponenta, kterou firma buduje čtyři roky, totiž Context Engine. Ten nemapuje kód podle klíčových slov, ale podle struktury. Ví, co volá co, co je aktivní a co zastaralé, a agentovi podstrčí jen ten výřez kódu, kterého se úkol týká.
Tým specializovaných expertů
Místo jednoho univerzálního modelu staví Cosmos na sadě specializovaných agentů, kterým Augment říká Experts. Každý má vlastní prompt, integrace, prostředí, spouštěcí události a může si volat další experty jako podřízené.
Platforma přichází s několika referenčními experty:
- PR Author – převádí zadání do podoby připraveného pull requestu.
- Deep Code Review – soustředí se na revizi kódu.
- E2E Testing – řeší end-to-end testování.
- Incident Response – reaguje na alerty z event busu, ještě než se k incidentu připojí člověk.
Koordinace přitom nesedí v jednotlivých promptech, ale v runtime samotném: napříč životním cyklem se spouštějí triggery a platforma na ně reaguje. Vzniká tak virtuální obdoba vývojového týmu, který se rozprostírá od plánování přes tickety až po nasazení. AI tu nechce jen pomáhat psát kód. Chce převzít celé pracovní postupy.
Jak to vypadá v praxi, ukázal Augment na vlastním interním nasazení. U správy incidentů uvádí 81% snížení času, který lidé strávili vyšetřováním on-call událostí. Tady ale platí, že jde o vlastní čísla firmy, nezávisle nikdo neověřil.
Opatrnosti je třeba i u benchmarků. Augment se chlubí, že jeho agent Auggie překonává na SWE-Bench Pro od Scale AI běžný scaffold zhruba o šest bodů a dostává se přes padesát procent. Jenže tohle číslo měří Augment vlastním scaffoldem, ne standardizovaným harnessem Scale. Na oficiálním Scale leaderboardu Auggie vůbec není; padesátiprocentní pásmo tam drží samotné frontier modely jako Claude Opus 4.6. Scale přitom otevřeně varuje, že skóre o deset až třicet bodů nad jeho žebříčkem jsou vendor čísla a nedají se srovnávat. Jinými slovy, brát to jako tvrdý důkaz převahy by byla chyba.
Nová ekonomika a otevřené otázky
S autonomií se mění i účet za provoz. Dlouho se platila hlavně spotřeba modelů v tokenech. Teď k tomu přibývá běh agentů, kteří musí na pozadí analyzovat repozitáře a spouštět testy, i když u toho zrovna nikdo nesedí. Model routing mezi nakonfigurovanými modely řeší komponenta Prism.
Cena 200 dolarů na vývojáře měsíčně řadí Cosmos mezi výrazně dražší nástroje v kategorii. Pro velký tým, který přes agenty protlačí stovky pull requestů týdně, to dává smysl. Pro menší partu je to balík, u kterého se těžko předem odhaduje, kolik výpočetního času v cloudu reálně spotřebuje.
A tady je háček celého příběhu. Na nezávislé případové studie si budeme muset počkat, protože většina dosud zveřejněných čísel pochází od samotného Augmentu, ať už jde o interní nasazení nebo benchmarky měřené vlastním scaffoldem. Marketingovou nálepku „operační systém pro agentický vývoj” je proto zatím rozumné brát s rezervou.
Přesto Cosmos ukazuje posun, který stojí za pozornost. Poprvé se v komerčním měřítku objevuje pokus chápat AI ne jako nástroj pro jednotlivce, ale jako součást firemní infrastruktury. V příštích letech možná nebude rozhodovat, který model napíše nejlepší algoritmus, ale který systém dokáže udržet znalosti a proměnit izolované zkušenosti v trvalé kolektivní know-how. Jestli to Cosmos dokáže za 200 dolarů měsíčně, ukážou až čísla od někoho jiného než od Augmentu.
