წარსული ბრძოლა · 2023-12-19 UTC
Code Generation შერკინება — 19 დეკემბერი, 2023
Code Generation კატეგორიიდან. 26 ნიშნები განთავსებული 7 მებრძოლზე. Codename Goose-მა აიღო გვირგვინი.
საბოლოო შედეგები
შემადგენლობა
მებრძოლები
ამ ბრძოლაში მონაწილე ყველა ხელსაწყოს პროფილი, დალაგებული მათი საბოლოო ქულის მიხედვით.
Codename Goose
ღია კოდიანი, მანქანაში გაშვებული AI აგენტი, რომელიც კომპლექსური ინჟინერული დავალებებს ავტომატიზებს, რათა გააუმჯობესოს დეველოპერების პროდუქტიულობა.
Codename Goose, ცნობილია ისევე, გუზი, არის ოპენ-სორსი, მექანურ-სისტემური საბჯიშო აგენტი, ქსელის განხილებისთვის დაინტერესებული კომპანიები, რომლებიც თავიანთ სამეწარმეო წარმოებაში საბჯიშო მასიური დაინტერესებით მუშაობს და რომლებისთვის კომპლექსური ინჟინერული საქმეების ავტომატიზაცია საჭიროდ მიიჩნიათ; ენგინიერინგის ააპლიკაციისთვის მას ადგილებს ქსელში დეპლოის შემდეგ ინტეგრირებულად ბეჭვდით თუ ხელმისაწვდომი ოეს-ჯეს-ს აპლიკაციაში. მას გაცნობს ფორმის მიწოდებისათვის მიტორი-ს-ინ-დუ და რ-ი-ს ინტერფეისი, ს-დ-კი ლ-დ-ა დედამიწაზე. ის რომ არის გენერალუროც სარგებლობს ოპერალურო გენ-ამგ-ს მე-2 გზის პლუგ-ინ-ეს ნ-კ-ი-ს ს-დ-კი ლ-დ-ა დ-ფ-რ-ი ტ-არ-გ-ე-ტ-ა დ-ვ-ელ-ო-პ-ი პ-რ-ო-დ-უ-კ-ტ-ი-ვ-ი-ტი. განსაკუთრებული ზენიმარი აი ენტიტების პროგრამა არსებობს შინაარსოვან დეზკტოპ აპლიკაციებსთვის macOS-ისთვის, Linux-ისთვის და Windows-ისთვის, ასევე კლი ჩი (CLI) შემდგენ სამუშაოებისთვის ტერმინალში და API- ით, რომელიც შეიძლება რამდენიმე ადგილას ჩასრულდეს. მას Rust-ზე გამოიყენება, რა დახვეწილ სერვისებთან ერთად გამოაქვეყნა სტანდარტები. ზენიმარი (goose) 15-ზე მეტი პრპოვიდერთან მუშაობს, მათ შორის Anthropic, OpenAI, Google-ი და Azure-ს, და უმჯობეს API ტოკენს ან ბავრი ACP-ით.) ერთ-ერთი წამყვანი უნარი გულოვანისა, ის მის შესაძლებლობის 70-ზე მეტი შესაბამებლად, Model Context Protocol ახლო საერთაშორისო სტანდარტი გვათვლობს. ეს საშუალებას უტევს განვითარებელ პროგრამისტებს, გაშლილა მისი AGI-დან სხვა ინსტრუმენტებთან და სერვისებთან კავშირის დამყარებას და მისი საოპერატირებლო უნარები. გულოვანი ასევე Agentic AI Foundation შეტანილია ლინუქს ფონდაში, რომელი უზრუნველყოფს აგენტური ინტელიგენციის განვითარებისა და გამგებლობის კრებულს. Goose ინტელექტუალური აგენტი გამოიყენება მრავალი უსახელო ვადის განხორციელებისა და ავტომატიზაციისათვის, განსაკუთრებით კოდზე სუგესტიები, ინსტალაცია, გაშვება, რედაქტირება და ტესტირება ვისი უდიდესი ენობრივი მოდელი (LLM) . იგი განკუთვნილია ისეთი ფუნქციონალი გამოცდილ დიზაინერებს განვითარების თვისებები, კონფიგურირებული მწვანე მომცროებული Sаas პროვაიდერები, გაფართოებისა და ბრენდინგის გარეშე დანიშნულებით, რათა წარმოებულიყვნენ საკუთარი წარმოდგენები Sаas, მწვანე მოვარჩევნო მომცროებული საერთოდ, გუსი – ღია საწყობი აი აგენტი, რომელიც ხელმისაწვდომი ტექნოლოგიათა უზარმაზარი ზოგადით გაუმჯობესებისთვის დეველოპერების ეფექტურობას და საინჟინრო სივრცეებში რამდენიმე ცრუ მძიმე ავტომატის ტასა ექსპერტმებიზეც ამოწურულა, მისი შედევრობა, მისი შეწყობის უნარი და მულტი-პროვაიზერებანდ ექსტენშენს თავისი საშუალებით, ის კაშკაშა ნაგვ საშუალება გაფჲ დეველოპერები და რანშერები ამ სართავში ამოწურულა.
კრიტერიუმების დაყოფა
- მხარდაჭერს 15+ პროვაიდერს
- API‑ით ჩასაშვებად
- 70+ გაფართოებებს MCP ღია სტანდარტის მეშვეობით მიერთება
- ACP‑ით არსებული ხელშეწყობების გამოყენება
- ხელით მითითებული დისტრიბუტივებით და პროვაიდერის კონფიგურაციებით მორგებადი
Kiro AI
AI‑ით მომატებული IDE, რომელიც პროექტებს კონცეფციიდან წარმო‑მზად კოდამდე გადატანს.
Kiro AI არის AI-powered IDE, რომელიც საშუალებას აძლევს დეველოპერებს და გუნდებს ეფექტურად გადაქციოს პროექტებს production-ready code‑ში. ის ეს მიაღწევს spec-driven development‑ის საშუალებით, რომელიც მოიცავს prompts‑ის გადაქცევის structured requirements, architectural designs და sequenced tasks‑ის parallel agents‑ით განხორციელებას. Kiro ასევე validates code correctness property-based tests‑ის საშუალებით, რაც ამცირებს იმ პრობლემებს, რომლებიც unit tests‑ში გადაჭარბებენ, მაგრამ წარმოებაში გატეხებიან. პლატფორმა შექმნილია AI coding‑ის სტრუქტურას შესთავაზებლად, უზრუნველყოფს, რომ კოდი უფრო უსაფრთხოა, შენარჩუნებადი, და შეესაბამება სასურველი შედეგს. Kiro მხარს უჭერს სხვადასხვა ფუნქციებს, მათ შორის გეგმებს სპეციფიკაციების მიხედვით, პარალელური აგენტების გამოყენებით განხორციელებას, ქონების მიხედვით ტესტებით შეცდომების აღმოფხვრას, და GitHub ან GitLab-თან დაკავშირებას გადახედვისთვის. იგი აძლევს დეველოპერებს შესაძლებლობას აირჩიონ საუკეთესო მოდელი თითოეული ამოცანისთვის და იმუშავებს პოპულარულ მოდელებით, როგორიცაა Anthropic Claude. პლატფორმა შექმნილია ღია სტანდარტებზე და მზადაა ბიზნესისთვის, უზრუნველყოფს კრედიტებზე დაფუძნებულ მოდელს, რომელშიც არ არის დღიური ან εβδομαδιαიური განაკვეთის ლიმიტები, IAM და SSO ავთენტიკაცია, და ადმინისტრაციული კონტროლები. Kiro-მა ინჟინრები მთელი მსოფლიოდან აღიარეს მისი უნარისთვის, რომელიც აძლევს მათ საშუალებას დააფასონ შიდა განვითარებისთვის დრო, სწრაფად გააჩქარებს ფუნქციების განვითარებას და შეამცირებს დრო მომხმარებლისთვის ღირებულების მიწოდებაში. ის არის ძლიერი მეგობარი სტარტაპებისთვის, რომელიც ბუნებრივად გარდაქმნის უგულებელყოფილი დოკუმენტებს და სპეციფიკაციებს მძლავრი აქტივებად, რაც ზრდას უფრო რბილი და მომავალი მასშტაბის უფრო ეფექტური ხდის. ზოგumā, Kiro AI არის ძლიერი ხელსაწყო დეველოპერებისა და გუნდებისთვის, რომლებიც ეფექტურად გარდაქმნიან პროექტებს წარმოებისთვის მზადყოფნაში, მისი ფოკუსი სპეკ‑დრაივენდ განვითარებაზე, კოდის სიზუსტეზე და ბიზნეს‑მომზადებაზე, რაც მას მიმზიდველ არჩევანს ხდის მათთვის, რომლებიც თავიანთ კოდირების სამუშაო პროცესების გაუმჯობესებას ეძებენ.
კრიტერიუმების დაყოფა
- AI‑ით მხარდაჭერილი კოდის გენერაცია
- კონტექსტუალური კოდის წინადადებები
- რეფაქტორინგის და დებაგირების დახმარება
- პროექტის ჩარჩოს შექმნა მოთხოვნებიდან
- ინტეგრირებული განვითარების სამუშაო პროცესები
- მრავალენოვანი მხარდაჭერა
OpenAI Codex
AI კოდირების ასისტენტი, რომელიც ბუნებრივი ენის გადაყვანას ახდენს სამუშაო კოდად ათობით პროგრამირების ენაზე.
OpenAI Codex არის ენის მოდელი, რომელიც დახვეწილია პროგრამული განვითარებისთვის, შემძლე მარტივი ინგლისური წინადადებების ინტერპრეტაციას და ფუნქციონალური კოდის შექმნას. იგი დაფუძნებულია GPT არქიტექტურაზე, შეიტყობს კონტექსტს მრავალ ფაილში და მხარს უჭერს ფართო სპექტრს პროგრამირების ენებს, განსაკუთრებით Python, JavaScript, TypeScript, Go, Ruby და Shell-ს. პროგრამისტები შეძლებენ Codex-თან ერთად საბაჟო სტანდარტული კოდის შაბლონების გენერირებას, ფუნქციების დაწერას აღწერებიდან, არსებული კოდის რეფაქტორირებას, უცნობი კოდის ნაწილების ახსნა და განმეორებადი დავალებების ავტომატიზაცია. იგი უზრუნველყოფს ხელსაწყოებს, როგორიცაა GitHub Copilot, და შეიძლება ინტეგრირდეს მომხმარებლის სამუშაო ნაკადებში OpenAI API-ით, რაც მას ხდის სასარგებლოდ როგორც ინდივიდუალური კოდერებისთვის, ასევე ინჟინერიული გუნდებისთვის, რომლებიც გნებავთ გააჩქაროთ განვითარება. Codex მრავალი კოდირების დავალებების სწრაფად შესრულებას უზრუნველყოფს, მაგრამ მისი შედეგს მაინც საჭიროებს ადამიანის შემოწმება სწორობის, უსაფრთხოების და პროექტის სტანდარტების შესაბამისობის უზრუნველსაყოფად. ის საუკეთესო მუშაობას წარმოადგენს თანამშრომლად, ვიდრე ინჟინერული გადაწყვეტილებების ჩანაცვლებოდ
კრიტერიუმების დაყოფა
- ბუნებრივი ენის მიხედვით კოდის გენერირება
- მრავალენოვანი პროგრამირების მხარდაჭერა
- კოდის დასრულება და შემოთავაზებები
- რეფაქტორირება და კოდის ახსნა
- API‑ით ხელმისაწვდომობა საკუთარი ინტეგრაციებისთვის
- კონტექსტის გათვალისწინებით მრავალფაილიანი გაგება
Anima | UX Design Agent
UX‑დიზაინის აგენტი, რომელიც სწავლობს თქვენს ბრენდს და დიზაინის სისტემას, რათა შექმნას სპეციფიკაციებს შესაბამისი ინტერფეისები.
Anima არის AI‑მიმართულებული UX‑დიზაინის აგენტი, შექმნილი, რათა იმუშაოს პროდუქტის გუნდის გაფართოებად. ის იღებს კომპანიის ბრენდის გზამკვლევებს, კომპონენტთა ბიბლიოთეკებს და არსებულ დიზაინ‑სისტემას, შემდეგ კი ამ კონტექსტის გამოყენებით ქმნის ეკრანს, ნაკრებს და UI‑ვარიაციებს, რომლებიც თანხმდებიან დააგეგმილ ნიმუშებს. გენერაციის ნაცვლად, Anima ცდილობს წარმოება, რომელიც მზადაა გადმოსაწოდებლად, ინტეგრირებულია საერთო დიზაინსა და განვითარების სამუშაო პროცესებთან. გუნდები მას გამოიყენებენ ადვილად შემოწმების სწრაფად, განმეორებადი ეკრანების შევსება, ან იდეების გადაყვანა დახვეწილი, სისტემის შესაბამისი დიზაინებად საწყისიდან დაწყების გარეშე.
კრიტერიუმების დაყოფა
- ბრენდისა და დიზაინის სისტემის შემოტანა
- AI‑ით გენერირებული UX‑ეკრანები და ნაკადები
- კომპონენტების გათვალისწინებული UI შემოთავაზებები
- მრავალ მასალის შერწყმის კონსისტენცია
- დიზაინერის ჩართულობით რედაქტირება
- ჰენდოფისთვის სამუშაო ნაკადის ინტეგრირება
DeepCoder-14B-Preview
ღია წყარო 14B კოდის დასკვნების მოდელი, რომელიც დამუშავებულია DeepSeek-R1 და Qwen-14B‑დან, მოწინავე კოდის გენერაციისთვის.
DeepCoder-14B-Preview ღია-წყაროს დიდი ენის მოდელი (LLM)‑ია, რომელიც ფოკუსირებულია კოდის გენერირებაზე და პროგრამირების ლოგიკის დასათვალიერებაზე. ის დაფუძნებულია DeepSeek-R1-Distilled-Qwen-14B-ზე, რის შედეგადაც მემკვიდრეობით იღებს "chain-of-thought" (ფიქრის ჯაჭვის) განზრახვის შესაძლებლობებს, და ოპტიმიზირებულია პროგრამული უზრუნველყოფის განვითარების დავალებების ასრულებისთვის მრავალ პროგრამირების ენაზე. ამ მოდელი მიმართულია იმ დეველოპერებისთვის, ვისაც საჭიროა თვითჰოსტირებადი ალტერნატივა დახურული კოდირების ასისტენტებისთვის. იგი შეასრულებს დავალებებს, როგორიცაა ფუნქციების შექმნა ბუნებრივი ენის მოთხოვნებიდან, არსებული კოდის დებაგირება, ფრაგმენტების ახსნა და ალგორითმური პრობლემების გადაჭრა. მისი 14B პარამეტრების ზომა უზრუნველყოფს შესაძლებლობებისა და აპარატურული მოთხოვნების შორის შესაფერისი ბალანსს, რაც საშუალებას იძლევა მისი ლოკალური გაშვება ან მცირე ღრუბელ GPU‑ებზე მუშაობა. წინასწარი გამოცემის სახით, DeepCoder-14B საუკეთესოა ექსპერიმენტისთვის, კვლევისთვის და დეველოპერის ინსტრუმენტების ნაკადებში ინტეგრაციისთვის, ვიდრე მისია‑კრიტიკული წარმოებაში განთავსებისთვის დამატებითი შეფასების გარეშე.
კრიტერიუმების დაყოფა
- ბუნებრივი ენისგან კოდის გენერირება
- მრავალენოვანი პროგრამირების მხარდაჭერა
- Debug‑ისათვის Chain-of-thought reasoning
- დამუშავებულია DeepSeek-R1 და Qwen-14B‑დან
- ღია წონები ლოკალური განლაგებისთვის
- მორგების და კვლევისათვის შესაფერისი
Keringit
შეიყვანეთ მოთხოვნა, გაშვით მოქმედი აპლიკაცია, რომელსაც შეგიძლიათ მფლობელობად და მორგოთ.
Keringitა წარმოადგენს პლატფორმას, რომელიც მომხმარებლებს საშუალებას სთ პლატფორმი აცხადებს 10ჯერ სწრაფი შედეგების მიღების შესაძლებლობას, ვინაიდან მონაწილეებს მაღალი სუბიექტურა გასახურებით შეუძლია, თავად საკურსშიც შეყვანონ მისი ინტელექტუალური მიდგომები. ასევ ისინი წარმოებსკენ ეკონომიკურ ატრაქციულად მიიჩნევს სხვა პლატფორმის დგველზე შემოსავლის სახის 'ზონდს პროტოკოლით' მშობლიური, აკურთხებული ანუ სეამლესი კომ ბრიჯინგი, ულამაზეს დუნამიანობას და სავაჭრო ლიზინგის კოეფიციენტური ოფერტები. კერინგიტი შეიმუშავებს მარგინალურ ხასიათის პროექტთშაზე, რომლებსაც სრულ წარმაგზობ ხელშეწყობას სჭირდება. პლატფორმის API სისტემა აადვილებს LLM ინტეგრაციაშე საშუალება მცოდნისოც არ აქვს. ერთ-ერთი მთავარი ნიშანდაბანი Keringit-ისა არის ეკოსისტემის როლი საზოგადოებრივი დათბობის მიმართულება, ეთერგებული ტოკენები მიმდიდარებლების გახსნის შესაძლებლობით. ეს ბირთვი იმას ნიშნავს, რომ პლატფორმა რომელიმე პროექტებისთვის მხარდაჭერის დამყარების ეკოსისტემას ქმნის და ამათაც სწრაფ ზრდას და პოზიტიურ განვითარებაზე უწყობს ხელი. თანამედროვე ვერსიის 2, ფორმირებაშია პლატფორმა, მომხმარებლებს შესაძლებლობა აქვს, ლაუთლისტთან დასმა იხილონ ის უწმინდუ. მართლაც, Keringit პლატფორმა მაინც ასე ისახება, სადაც მას მიზნად უსახათ, მომხმარებლებს რომ მდიდრულდეს: ბლოქჩეინის-ბაზირები პროექტების შექმნის უნარ და ეფუძნება მოხმარებას.
კრიტერიუმების დაყოფა
- ტექსტიდან აპლიკაციის გენერაცია
- რედაქტირებადი, მფლობელობის მქონე გამომავალი
- სწრაფი გაშვების სამუშაო ნაკადი
- შესაბამისი MVP-ებისთვის და პროტოტიპებისთვის
- იტერატიური მოთხოვნის გაუმჯობესება
SWE-1 ai coding model
Windsurf-ს საკუთარი AI მოდელი საგრძნობიად ხელოსანი სოფტვერი ინჟინერიის საპათებშო სერია.
SWE-1 - ერთი აი კოდირების მოდელების სამგვერდო ფამილიაა, რომელიც ვაინსურფის მიერაა განვითარებული სივრცეში IDE და მისი დაკავშრული პროდუქტების მეორე და თავის მხრივ ხელგავლენი მიენიჭება ციფრული თების ვმოქმედებას . ამ მოდელებს კოდი დასრულებაზე ვეს ფაქო არ ენათესავება, არამედ მიღიბი პროცესი ერთობლივი ფაილები გარეშე, დხვარე ვლასივ რეპოზიტორები, ან ბოხელ-ვექ- წ ვისკო". სისტემა ჩვეულებრივ გრძელდება სხვადასხვა ზომებისა და შესაძლებლობათა საფეხურებზე, რის გამოც ვეინდსურფი შეუძლიათ ლითონი ტასკები, როგორიც არის სკელტონ - მალული ვერსიებს შეძენოთ ნახვე ფასობრივი მოდელები კომპლექსური რედაქტირებებს, რეფაქტორებსა და ეჯენტურ ნაბიჯებზე მოქცევა. პროგრამისტთა საქმიანობაში მოქმედ მოდელთა რეალურ მოდელთაში მოდელებზე იმუშავებს ასიღება ჩაშენებულად, როცა არ არის მოსვენება, მრავალ ნაბიჯებზე მოქცევა და სხვა ტექნოლოგიებით მოქმედება ოფიციალურად იმუშავებს. ოფიციალურად ენერგო რომ ხომ LLM (მინდორზე მომზად ლოგიკური მოდელები) მოდელები, რომელთა მიერც ნაცვლად ნაკლებად სპეციაციურაა. SWE-1 სასაზღვროდ არის ლოგიკურად უფრო მეტად გუნდებისთვის, რომლებიც უკვე მუშაობენ Windsurf-ის შიგნით და განვახლებულ და ინტეგრირებულ კოდირებად მოდელს გვსურვიან ვიდრე, მხოლოდ ედიტორზე დახშვეული სალაპარაკო ალგორითმისგან.
კრიტერიუმების დაყოფა
- მოდელების საგრძნობ სერია, სწორებისთვის საბადარი
- რეპოზიტორიული ვერსიის მიმოხვიდა.
- აგენტურ, მრავალსაფეხურა დახვეწის მხარდაჭერა.
- ავტოკომპლეტაციისა და ჩატ-მაჟორის სხვაობების განვითარება.
- INTEGRაციები წიტვეს კადენში
- ვარიანტები სწორ და ადვილ-ვარგვალდ ხელეხია.