Mudelid
Microsoft tõi MAI Code 2 Flashi Copiloti töövoogu
Microsoft esitles Ignite’il uusi kodeerimis- ja küberturbemudeleid. Code 2 Flashi kasu tasub mõõta läbitud testide, kõrvalmuudatuste ja ülevaatusaja järgi.
Toimetaja Kristjan Krimm · Avaldatud · 6 min lugemist
- Olulisus
- Sihtrühm
- Kõik
- Allikaid
- 2
- Esmaallikas
- Microsoft AI

Arengulugu
Mudelid
Viimase 60 päeva seismograaf: 139 signaali. Joone kõrgus näitab olulisust.
Mis juhtus
Microsoft esitles Ignite’il uusi kodeerimis- ja küberturbemudeleid. Code 2 Flashi kasu tasub mõõta läbitud testide, kõrvalmuudatuste ja ülevaatusaja järgi.
Miks see loeb
Uut kodeerimismudelit saab proovida olemasolevas arenduskeskkonnas. Tegelik kasu sõltub kontrollitud parandustest, tarbetute muudatuste hulgast ja inimese ülevaatuse ajast.
Sisukord
Lühidalt
4 põhipunkti- Microsoft esitles 17. novembril Ignite’il uusi kodeerimis- ja küberturbemudeleid.
- MAI Code 2 ning Code 2 Flash on mõeldud muu hulgas igapäevasteks arendusülesanneteks.
- Microsofti järgi on Code 2 Flash GitHub Copilotis saadaval ja Foundrys piiratud eelvaates.
- Hinna ja jõudluse võrdlus tuleb siduda Microsofti valitud katsetega, mitte võtta üldise kvaliteedigarantiina.
Microsoft tutvustas 17. novembril San Franciscos toimunud Ignite’il MAI mudeliperekonna uuendusi. Kodeerimismudelite seas on MAI Code 2 ja Code 2 Flash ning kaitsetööks MAI Cyber 2 Flash. Reuters kinnitas sõltumatus kajastuses uute mudelite esitlust. Käesoleva loo keskmes on see, mida kodeerimismudeli lisandumine arendaja tavapärases töövoos kontrollida võimaldab.
Microsofti väljalasketeate järgi on Code 2 Flash GitHub Copilotis saadaval ning Microsoft Foundrys piiratud ligipääsuga eelvaates. Neid ligipääsuvorme ei tohiks samastada. Olemasolevas arenduskeskkonnas mudeli valimise võimalus on praktiline muutus, kuid konkreetse konto saadavus ja kasutustingimused tuleb teenuses eraldi üle vaadata.
Igapäevane parandus on omaette tööliik
Microsoft kirjeldab Code 2 Flashi muu hulgas sihitud muudatuste, koodi selgitamise ja tavapäraste paranduste mudelina. Ettevõte rõhutab kodeerimisperekonna juures igapäevast tööd, mitte kõige pikemaid või fundamentaalseid uurimisülesandeid. See aitab valida sobiva kontrolli: väike päris viga võib anda rohkem vajalikku infot kui suur muljetavaldav näidisprojekt.
Näiteks võiks ülesanne nõuda olemasoleva vea parandamist ilma avaliku liidese muutmiseta. Sel juhul peab agent kõigepealt aru saama, milline käitumine tuleb säilitada. Rohkem ümber kirjutatud koodi ei tähenda paremat tulemust. Hästi piiritletud muudatus vähendab ka inimese ülevaatuse koormust ja teeb võimaliku vea põhjust lihtsamaks leida.
Microsofti protsendid vajavad katse konteksti
Väljalasketeade võrdleb MAI mudeleid teiste mudelitega mitme Microsofti valitud kodeerimiskatse põhjal. Selline tulemus kirjeldab valimit ja kasutatud seadeid. Seda ei saa automaatselt tõlgendada väitena, et konkreetse meeskonna iga arendustöö saab tehtud sama kvaliteediga ja sama hinnasuhtega. Üldistamine vajab oma kontrolli.
Hinna puhul tuleb eristada tokeni hinda, ülesande kogukulu ja tellimuse kasutuspiire. Copiloti sees nähtav kvoodikulu ei pruugi vastata eraldi API arvele. Võrdluse protokollis tuleks seetõttu nimetada tegelik teenus ja arvestusviis. Mõõtmise lõpptulemus ei tohiks peita, et mudelid töötasid erinevate piirangute või erineva ligipääsuga.
Buildrya võrdlus: Code 2 Flash ja GPT‑6.2 Sol
Sobiv proovikomplekt võiks koosneda väikestest vigadest, mille kohta on olemas korratav kontroll. Mõlemad mudelid saaksid sama koodibaasi, sama ülesande ning võrdsed tööriistaõigused. Kui keskkonnad erinevad, tuleks erinevus kirja panna. Muidu võib näiline mudeli eelis tulla näiteks paremini ette valmistatud failivalikust või teistsugusest testikäivitusest.
Enne katset tuleks määrata, millised failid või liidesed tohivad muutuda ja mida loetakse edukaks paranduseks. Õnnestumine tähendaks algse vea kadumist koos senise vajaliku käitumise säilimisega. Ainult testikäsu edukas lõpp ei pruugi piisata, kui agent muutis testi ennast või jättis osa vajalikust kontrollist käivitamata.
Katse tulemuses võiks eraldi näidata esimesel katsel vastu võetud parandused. See annaks infot, kui palju saab meeskond tavapärases töös esimest vastust usaldada. Kõrvale tuleks märkida parandusringide arv ja lõplik vastuvõtt. Nii ei seguneks kiire esmane õnnestumine tööga, mis sai kasutatavaks alles mitme inimese sekkumise järel.
Tarbetud failimuudatused on mõõdetav kulu
Agent võib ülesande lahendamise kõrval muuta vormindust, nimetusi või kõrvalist struktuuri. Mõni selline muudatus võib olla põhjendatud, kuid selle ulatust tuleb vaadata eesmärgi suhtes. Väikese vea parandamisel võib ulatuslik kõrvalmuutus suurendada ülevaatuse aega rohkem, kui mudeli kiirem vastamine aega säästis. Seda saab kontrollida muudatuste erinevust lugedes.
Hindaja võiks märkida, millised failimuudatused olid ülesande jaoks vajalikud ning millised tuli eemaldada. Oluline pole lihtsalt failide arv, vaid põhjendus. Ühe vajaliku faili suur muudatus ja mitme kõrvalise faili väike puudutamine võivad vajada eri hinnangut. Läbipaistev ülevaatus aitab seda erinevust hiljem mõista.
Ka dokumentatsiooni või testi muudatus ei ole automaatselt tarbetu. Kui parandus nõuab uue käitumise selgitamist või katmata juhu kontrolli, võib see olla töö oluline osa. Seetõttu tuleks kokku lugeda põhjendamata muudatused, mitte karistada iga lisafaili. Vastuvõtutingimus peab jääma sisuliseks, et mudel ei saaks head tulemust lihtsalt vajaliku töö tegemata jätmisega.
Inimese parandusaeg otsustab tegeliku kokkuhoiu
Mõõta tasub aega esimesest ülevaatusest lõpliku kinnitamiseni. Sellesse kuuluvad täpsustuste kirjutamine, testide kontroll ja käsitsi parandused. Kui meeskond kasutab korduskatseid, tuleb need mõlema mudeli puhul sama reegliga arvestada. Üksik odav päring ei kirjelda kogu paranduse maksumust.
Tulemuse võiks siduda konkreetse ülesandeliigiga. Võimalik, et üks mudel sobib paremini selgitamiseks, teine muudatuse tegemiseks või olemasoleva paranduse kontrollimiseks. Sellist tööjaotust ei tohiks siiski eeldada enne mõõtmist. Väike võrreldav proov annab põhjendatud lähtekoha ning näitab, milliseid küsimusi järgmises katses täpsustada.
Küberturbemudel ei anna agendile lisavolitusi
MAI Cyber 2 Flashi esitlus kuulub samasse uudisesse, kuid kaitsetöö ligipääsu ja kasutust ei saa järeldada Code 2 Flashi Copiloti saadavusest. Need on erinevad mudelid ja kasutusjuhud. Eriti tuleb eristada õigust lähtekoodi lugeda õigusest väliseid süsteeme testida või nende seisu muuta.
Arendusagendi kontroll võiks sisaldada ülesannet, kus vajalik järgmine samm ületaks antud õigusi. Õige käitumine oleks abi küsimine või põhjendatud peatumine. Tehniline piirang peaks kehtima ka siis, kui agent üritab seda sammu teha. Mudeli kirjeldus turvalise või kaitseks mõelduna ei asenda tööriista tegelikku ligipääsukontrolli.
Mida enne vaikimisi mudeli vahetamist säilitada?
Iga proovijooksu juures peaksid olema mudeli tunnus, kuupäev, seaded ning algne koodiversioon. Lisaks tuleks säilitada lõplik muudatus ja inimese vastuvõtu põhjendus. Kui mudelit hiljem uuendatakse, saab samade näidetega kontrollida, kas varasem eelis säilis. Ilma selle jäljeta võib järgmine valik põhineda täiesti teistsugusel demonstratsioonil.
Käesolev artikkel ei esita Code 2 Flashi ja Soli tehtud võrdluse tulemusi. See pakub kontrolliplaani, mis seob uue mudelivaliku meeskonna päris tööga. Mõistlik otsus võiks piirduda esialgu nende ülesannetega, mille puhul nõutud kvaliteet ja ülevaatuse kulu on mõõdetud. Laiema kasutuse põhjendus vajab vastavalt laiemat katsevalimit.
Juhtpilt: Microsofti ametlik MAI Code 2 väljalaskegraafika, mida kasutatakse kodeerimismudelite esitlust kajastades. Pildikrediit: Microsoft.
KKK
Korduma kippuvad küsimused
Millal uued MAI mudelid esitleti?
Microsofti teade pärineb 17. novembrist. Reuters kajastas nende tutvustamist San Francisco Ignite’il.
Kus Code 2 Flashi kasutada saab?
Väljalasketeade nimetab GitHub Copilotit ja Foundry piiratud eelvaadet. Konto konkreetne ligipääs tuleb teenuses üle kontrollida.
Kas hinnavõrdlus tagab sama säästu igal ülesandel?
Ei, võrdlus sõltub ülesandest ja arvestusviisist. Kogukulu hulka kuuluvad ka korduskatsed ning inimese töö.
Miks lugeda tarbetuid muudatusi?
Need võivad suurendada ülevaatuse ja parandamise aega. Oluline on muudatuse vajadus, mitte üksnes puudutatud failide arv.
Kas küberturbemudel lubab testida ükskõik millist süsteemi?
Ei, mudeli võimekus ei anna kasutajale ega agendile lisavolitust. Test peab jääma lubatud sihtmärkide ja tööriistaõiguste piiresse.