Tidligere kamp · 2023-12-19 UTC
Code Generation Oppgjør — 19. desember 2023
Fra kategorien Code Generation. 26 merker plassert på tvers av 7 kjempere. Codename Goose tok kronen.
Endelige plasseringer
Oppstillingen
Kjemperne
Profiler av hvert verktøy som konkurrerte i denne kampen, rangert etter sin endelige poengsum.
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
OpenAI Codex
AI-kodeassistent som oversetter naturlig språk til fungerende kode på et doft av programmeringsspråk
OpenAI Codex er en språkmodell finjustert for programvareutvikling, som er i stand til å tolke enkle engelske forespørsler og produsere fungerende kode. Bygd på GPT‑arkitekturen, forstår den kontekst på tvers av flere filer og støtter et bredt spekter av programmeringsspråk, med spesiell styrke i Python, JavaScript, TypeScript, Go, Ruby og Shell. Utviklere kan bruke Codex til å generere boilerplate, skrive funksjoner fra beskrivelser, refaktorere eksisterende kode, forklare ukjente kodebiter og automatisere repetitive oppgaver. Det gir kraft til verktøy som GitHub Copilot og kan integreres i tilpassede arbeidsflyter via OpenAI API, noe som gjør det nyttig både for individuelle kodere og ingeniørteam som ønsker å øke utviklingshastigheten. Selv om Codex akselererer mange kodingsoppgaver, krever utfallet fortsatt menneskelig gjennomgang for korrekthet, sikkerhet og overholdelse av prosjektstandarder. Det fungerer best som en samarbeidspartner i stedet for å erstatte ingeniørskjønn.
Kriteriumfordeling
- Nårlig språk til kodedannelse
- Støtte for flere programmeringsspråk
- Kodefullføring og forslag
- Refaktorering og kodeforklaring
- API-tilgang for egendefinerte integrasjoner
- Kontekstsensitiv multi-fil forståelse
Anima | UX Design Agent
UX‑designagent som lærer merkevaren og designsystemet ditt for å generere grensesnitt som matcher spesifikasjonene.
Anima er en AI-drevet UX‑design-agent bygget for å fungere som en utvidelse av et produktteam. Den tar inn selskapets merkevareveiledning, komponentbiblioteker og eksisterende designsystem, og bruker deretter denne konteksten til å produsere skjermer, flyt og UI‑varianter som forblir konsistente med etablerte mønstre. I stedet for å generere generiske mockups, har Anima som mål å produsere arbeid som er klart til overlevering og integrere med vanlige design- og utviklingsarbeidsflyter. Team kan bruke den til å akselerere tidlig utforskning, fylle inn repetitive skjermer eller oversette ideer til polerte, systemtilpassede design uten å starte fra bunnen av.
Kriteriumfordeling
- Intaket av merkevare og designsystem
- AI-genererte UX‑skjermbilder og flyter
- UI‑forslag med komponentbevissthet
- Konsistens på tvers av flere artefakter
- Redigering med designer i sløyfen
- Arbeidsflytintegrasjon for overlevering
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
Keringit er en plattform som tilbyr brukerne mulighet til å skape og deploye egne applikasjoner, inkludert agenter, tokener og ulike blockchain-baserte prosjekter. Plattformen tilbyr en rekke maler og ideer for å få til starten, som å bygge en bro for krysskjedslig verdisendere, å opprette en predicjonsmarked, eller å lansere en dekketralisert byttebørse (DEX). Plattformen hevder å tilby 10 ganger raskere resultater, og tillate brukerne å hurtig gjøre sine ideer til virkelighet. Den tilbyr også funksjoner som ubesværlig tokenbrotering, dyb duglighet og konkurranseferdige lånepriser. Keringit ser ut til å rette seg mot drømmer og entreprenører som ønsker å levere sine prosjekter raskt og effektivt. Plattformens fokus på hastighet og enkel bruk tyder på at den er designet for brukere som ikke nødvendigvis har omfattende tekniske fagkunnskaper. En av de merkverdige aspektene ved Keringit er fokuset på samfunnsinvolvering, med muligheten til å lansere tokener understøttet av troende. Dette foreslår at plattformen er designet for å skape et støttende økosystem for prosjekter å vokse og prosperere. Plattformen jobber nå med versjon 2, og brukere kan melde seg på venteliste for å være blant de første som får prøve det ut. Overordnet sett ser det ut til å være en plattform som har som mål å gjøre det mulig for brukere å skape og implementere egne blockchain-baserte prosjekter med letthet og hastighet.
Kriteriumfordeling
- Tekst-til-app-generering
- Redigerbart, eierbart resultat
- Rask lanseringsprosess
- Egen for MVP-er og prototyper
- Iterativ prompt-justering
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