Panoramica
Il 24 luglio 2026 sul blog ufficiale di Laravel è stato pubblicato AI agents pass tests. Can they write idiomatic Laravel?. Il tema è che la piattaforma di valutazione di Laravel Boost — Boost Benchmarks — sta cambiando in modo significativo il modo in cui valuta gli agenti di coding AI.Boost Benchmarks è una suite di valutazione che verifica, tramite test Pest e test architetturali, se un agente di coding AI riesce a implementare correttamente un’applicazione Laravel.
Il percorso finora: 17 eval quasi tutti risolti
Nell’articolo precedente which AI model is best for Laravel, i modelli principali usando Boost superavano 16 dei 17 eval (task di valutazione), con un tasso di successo del 99,4%. Solo il task più difficile restava fuori portata. Secondo l’articolo attuale, i modelli di frontiera più recenti — GPT-5.6, Claude Fable 5 / Mythos 5, la famiglia Gemini 3.x — arrivano ora a superare quasi il 100% degli stessi 17 task. Alla domanda “gli agenti AI riescono a scrivere codice Laravel corretto?”, la risposta è ormai chiara: sì. Non è un fenomeno limitato a Boost, ma si osserva in tutti i benchmark di coding.- SWE-bench Verified: i modelli principali si allineano vicino al livello degli esperti umani, di fatto saturando il benchmark.
- HumanEval: da tempo non riesce più a distinguere i modelli tra loro.
Perché “passare i test” non basta
L’articolo evidenzia anche che superare i test non è la prova definitiva di “codice buono”.- OpenAI, in seguito a un audit che ha rilevato molte carenze nella formulazione dei problemi, ha smesso di riportare i risultati di SWE-bench Verified.
- Uno studio di Cursor ha rilevato casi in cui i modelli sembravano “risolvere” i problemi trovando le soluzioni nei
.githistory: nascondendo la history, il punteggio crollava.
.git. Tuttavia, “superare la suite Pest” non prova direttamente che “il modello scriva Laravel in modo idiomatico”. Il gap tra “funziona” e “si integra con la codebase” è proprio il prossimo tema di analisi.
I nuovi assi di valutazione: correttezza per token e “idiomaticità Laravel”
L’articolo indica due direzioni per il futuro.1
Correttezza per token (correct code per token)
Se tutti i modelli arrivano alla soluzione, ciò che conta davvero è “a che costo”. A parità di risultato, il consumo di token tra i modelli può variare di un ordine di grandezza, se non due. Boost già registra token e costo di ogni esecuzione: ora questi dati passano da nota a piè di pagina a metrica principale.
2
Idiomaticità Laravel
Anche se i test passano, non si può parlare di “buon Laravel” se il codice scrive query SQL a mano, non usa
Route::resource(), riscrive validazioni al posto delle form request o dimentica $fillable. Con uno scoring in stile LLM-as-judge siamo arrivati a poter giudicare “quanto è idiomatico Laravel” senza bisogno di soluzioni di riferimento.- Usare
Cache::remember()invece di implementare a mano la logica di caching. - Usare le form request invece della validazione inline.
- Usare
with()per l’eager loading. - Usare
Route::resource()per la definizione delle route.
Cosa Boost Benchmarks misurerà a breve
Alla fine dell’articolo sono elencati gli assi di misurazione che si stanno considerando di aggiungere.- Token e costo come metriche principali, riportati a fianco del tasso di successo, per ciascun eval e modello.
- Scoring dell’idiomaticità Laravel in aggiunta ai test Pest e ai test architetturali.
- Contesto più leggero come obiettivo ingegneristico principale di Boost stesso (rimozione di linee guida ridondanti, ottimizzazione dell’output dei tool, indicizzazione delle sole informazioni necessarie).
Conclusioni
La domanda “gli agenti AI possono scrivere codice Laravel corretto?” ha una risposta. Le prossime domande sono “con quanta efficienza” e “quanto in stile Laravel”. Se non hai ancora provato Boost, puoi installarlo dalla documentazione ufficiale. Per l’installazione consulta anche la pagina Laravel Boost.Leggi l'articolo originale
AI agents pass tests. Can they write idiomatic Laravel? (laravel.com)