Tidligere kamp · 2026-07-03 UTC
Code Generation Oppgjør — 3. juli 2026
Fra kategorien Code Generation. 9 merker plassert på tvers av 4 kjempere. DeepCoder-14B-Preview tok kronen.
Endelige plasseringer
Oppstillingen
Kjemperne
Profiler av hvert verktøy som konkurrerte i denne kampen, rangert etter sin endelige poengsum.
DeepCoder-14B-Preview
Åpen kildekode 14B kode‑resonneringsmodell destillert fra DeepSeek-R1 og Qwen-14B for avansert kodegenerering.
DeepCoder-14B-Preview er en open‑source stor språkmodell som fokuserer på kodesgenerering og programmeringsresonnement. Bygget på DeepSeek‑R1‑Distilled‑Qwen‑14B‑basen, arver den evnen til chain‑of‑thought‑resonnement samtidig som den er optimalisert for programvareutviklingsoppgaver på tvers av flere programmeringsspråk. Modellen retter seg mot utviklere som trenger et selv‑hostbart alternativ til lukkede kodeassistenter. Den kan håndtere oppgaver som å skrive funksjoner fra naturlige språk‑prompt, feilsøke eksisterende kode, forklare kodebiter, og bistå med algoritmisk problemløsning. Med sine 14 milliarder parametere gir den en balanse mellom kapasitet og maskinvarekravene som trengs for å kjøre den lokalt eller på beskjedne sky‑GPUer. Som en preview release er DeepCoder-14B best egnet for eksperimentering, forskning og integrasjon i developer tooling pipelines, snarere enn mission-critical production deployments uten ytterligere evaluering.
Kriteriumfordeling
- Kodegenerering fra naturlig språk
- Støtte for flere programmeringsspråk
- Kjede‑av‑tanker resonnering for feilsøking
- Destillert fra DeepSeek-R1 og Qwen-14B
- Åpne vekter for lokal distribusjon
- Egnet for finjustering og forskning
Codename Goose
En åpen-kildekode, på-masjen AI-agent som automatiserer komplekse ingeniør-oppgaver for å forbedre utviklerproduktiviteten.
Codename Goose, også kjent som goose, er en åpen kjelde, inn-maskin AI-agent konstruert for å automatisere komplekse ingeniøroppgaver og forbedre utviklerproduktivitet. Den er en allmengode AI-agent som kan brukes til ulike oppgaver oltre kode, inkludert forskning, skriving, automatisering og datanalys. Denne AI-agenten, kalt \geese], er tilgjengelig som native desktopapp for macOS, Linux og Windows, samt en full CLI for terminal-workflows, og et API som kan integreres overalt. Den er bygd på Rust, som tilbyr ytelse og portabilitet. Geese fungerer med over 15 leverandører, inkludert Anthropic, OpenAI, Google og Azure, og støtter API-nytter eller eksisterende abonnementer via ACP. En av det som skiller goose fra andre er dens evne til å forbinde seg med over 70 forskjellige eksterne funksjoner gjennom Model Context Protocol - standarden. Dette tillater utviklere å utvide AI - agentens funksjonalitet og integrere den med andre verktøy og tjenester. Goose er dessuten en del av Agentic AI Foundation (AAIF) ved Linux Foundation, som tillater en ramme for utvikling og styring av AI - agenter. Gåse AI-agenten kan brukes til å automatisere forskjellige oppgaver inkludert kodeforslag, installering, kjøring, redigering og testing med noen hvilken som helst stor språkmodell (LLM). Den er designet for å være utvidelsestilt, slik at utviklere kan bygge egne personlige distribusjoner med forhåndskonfigurerte leverandører, tilleggsfunksjoner og markeringer. Generelt er goose en åpen-source AI-agent som har potensial til å betyde en vesentlig forskjell i utviklerproduktivitet og automatisk utføring av komplekse ingeniørtasker. Dets fleksibilitet, utvidelsesser og mulighet til å arbeide med flere leverandører og utvidelser gjør det til et sterk verktøy for utviklere og forskere på likt vis.
Kriteriumfordeling
- Støttet av 15+ leverandører
- Medlemgjøres via API
- Samler til 70+ utvidelser via MCP åpne standard
- Fungerer med eksisterende abonnemang via ACP
- Tilpasselig ved hjelp av egendefinerte distribusjoner og konfigurasjoner for leverandører
Kiro AI er en AI-drevet IDE som gjør det mulig for utviklere og team å effektivt omdanne prosjekter til produksjonsklar kode. Det oppnås gjennom spesifikasjonsdrevet utvikling, som innebærer å omforme prompt til strukturerte krav, arkitektoniske design og sekvensielle oppgaver implementert av parallell agenter. Kiro validerer også kodekvaliteten med egenskapsbaserte tester, noe som reduserer problemer som passer gjennom enhetstester men feiler i produksjon. Plattformen er designet for å gi struktur til AI-koding, slik at koden blir sikrere, mer vedlikeholdbar og matcher den tiltenkte utgangen. Kiro støtter en rekke funksjoner, inkludert planlegging med spesifikasjoner, implementering med parallelle agenter, oppdagelse av feil med egenskapsbaserte tester, og tilkobling til GitHub eller GitLab for gjennomgang. Det lar utviklere velge den beste modellen for hver oppgave og drives av populære modeller som Anthropic Claude. Plattformen er bygget på åpne standarder og er enterprise‑ready, og tilbyr en kredittbasert modell uten daglige eller ukentlige grense for forespørsler, IAM- og SSO‑autentisering samt administrasjonskontroller. Kiro har blitt rost av ingeniører over hele verden for sin evne til å rettferdiggjøre bruken av tiden deres ved å utvikle kritiske forretningsaktiva internt, akselerere funksjonsutvikling og redusere tiden til kundeverdi. Det er en sterk alliert for oppstartsbedrifter, og omformer naturlig oversettede dokumenter og spesifikasjoner til robuste eiendeler, noe som gjør veksten jevnere og fremtidig skalering mer effektiv. Totalt sett er Kiro AI et kraftig verktøy for utviklere og team som ønsker å effektivt omdanne prosjekter til produksjonsklar kode, med fokus på spesifikasjonsdrevet utvikling, kodekorrekthet og enterprise‑readiness, noe som gjør det til et attraktivt alternativ for de som søker å forbedre kodingarbeidsflyten.
Kriteriumfordeling
- AI-assistert kodegenerering
- Kontekstbaserte kodeforslag
- Hjelp med refaktorering og feilsøking
- Oppsett av prosjekt fra prompts
- Integrert utviklingsflyt
- Støtte for flere språk
SWE-1 ai coding model
Surfe på vind i Windsurf's egne AI-modellfamilie, utviklet for fullstendige prosesser innen softwareutvikling.
SWE-1 är en familie av AI-kodingsmodeller utviklet av Windsurf, som er til for å yte assistive og agente virkemåter for softwareingeniører innenfor sine IDEs og tilhørende produkter. I stedet for å fokusere på kun kodefyllelse, er modellene anpasset for den bredere ingeniørloop, inkludert rasjonalisering over filer, navigering av store opplag og samarbeid med menneskelige utviklere over lengre sesonger. Den vanlige linja spenner over ulike størrelser og funksjonstier, så at Windsurf kan sende lette oppgaver som for eksempel autocompletion til raskere variant, mens større modeller reserveres til mer komplekse redigeringer, refactoring og agent-workflows. Fordi modellene er trent med eksponerte utvikleraktiviteter i mente, søker de å håndtere ukomplette tilstater, flertrinnendre og verktøybruk på en mer naturlig måte enn generelle formål LLMs. SWE-1 er mest brukbart for teamer som allerede jobber innenfor Windsurf og ønsker en tett integrert kodingemodel fremfor en generell chatbot montert på en redigerer.
Kriteriumfordeling
- Modellfamilie tødd for programmering
- Repository-innkommende grunnlovgiving
- Støtte for agente, multi-trinn redigeringer
- Optimert autocompleto og chattemåder
- Integrering med Windsurf's Cascade-prosesser
- Ruteneggende over lys og tykkere varianter