Kite запустил Team Server для автодополнения кода на предприятиях

Платформа автодополнения кода на основе машинного обучения Kite сегодня запустила свой Team Server, дополнив существующие предложения для индивидуальных разработчиков версией корпоративного уровня для целых команд.

Kite Team Server основан на оригинальном помощнике и работает на GPU-серверах во внутренних сетях предприятий, что позволяет создавать настраиваемые модели на основе собственного кода в соответствии с внутренними стандартами и предоставлять дополнительные функции безопасности.

Согласно Kite, эта новая серверная модель машинного обучения увеличивает количество завершений на одну строку кода на 40% по сравнению с исходной бесплатной моделью. Team Server является более сложным и использует в 25 раз больше параметров — 100 миллионов вместо 4 миллионов — чем его первая итерация.

Команды инженеров ограничены в работоспособности, а Kite увеличивает их производительность. Этот инструмент освобождает их время от некоторых повторяющихся задач, таких как поиск документации и быстрое исправление ошибок в коде, предоставляя фрагменты кода прямо в редакторе.

Графические процессоры Team Server позволяют решать еще более сложные вычислительные задачи. Его модель развертывания состоит из двух компонентов: сам контейнерный сервер, который работает в Linux и может быть размещен на AWS, Azure или GCP; и настольный клиент Kite на каждом локальном компьютере Team Server. Клиент Kite включает локальный движок, который обрабатывает такие функции, как семантическое завершение и индексированный локальный код. У клиента также есть плагины IDE для передачи информации исходному движку и сопутствующее приложение AWS под названием Copilot, которое предоставляет контекстную документацию.

Корпоративные ИТ-команды, которые хотят настроить свой Kite Team Server, могут собрать сервер из исходных кодов и обучить проприетарные модели на основе конкретных текстовых шаблонов исходного кода и внутренних стандартов, а также активировать эти новые модели для своих разработчиков. В качестве альтернативы они могут использовать стандартную модель общего назначения, которая подходит для большинства кодовых баз.