Az Apple Anthropic-ra támaszkodva kíván saját „Vibe-Coding” platformot létrehozni

Az Apple számos nehézséggel nézett szembe az utóbbi időben saját mesterséges intelligencia megoldásainak kifejlesztése során, ezért talán nem meglepő, hogy a továbbiakban inkább külső AI-szakértelemre támaszkodna a további fejlesztések érdekében. Most úgy döntöttek, hogy az Anthropic-al egyesítik erőiket egy forradalmi „vibe-coding” szoftverplatform létrehozására, amely a generatív mesterséges intelligenciát használja fel a programozók kódjának írására, szerkesztésére és tesztelésére - derül ki a legfrissebb jelentésekből.

A hírek szerint a Claude Sonnet modellt integrálják majd az Xcode-ba, az Apple elsődleges szoftverfejlesztő platformjának frissített változatába. Ez a váratlan partnerség eltérést jelent az Apple hagyományos megközelítésétől, amely szerint az alapvető technológiákat házon belül fejlesztik. A Bloomberg május 2-án, arról számolt be, hogy bár a technológiai óriáscég ezt a szoftvert házon belül kívánja bevezetni, még nem döntött arról, hogy a platformot elérhetővé teszi-e a nyilvánosság számára is.

Az együttműködésre azt követően kerül sor, hogy az Apple korábbi kísérletei a saját AI kódoló asszisztens, a Swift Assist kifejlesztésére olyan kihívásokkal szembesültek, mint a hallucinációk és a lassú teljesítmény, amelyek késleltették a nyilvános megjelenést. A Swift Assist jelenleg olyan harmadik féltől származó eszközökkel működik együtt, mint a GitHub Copilot és a ChatGPT, amelyek mindegyike integrálásra került az Xcode-ba, hogy további AI-alapú támogatást nyújtson a fejlesztőknek.

A „vibe-coding” kifejezést Andrej Karpathy, az OpenAI társalapítója és a Tesla korábbi mesterséges intelligenciáért felelős vezetője vezette be 2025 februárjában. A mesterséges intelligenciától függő programozási paradigmára utal, amelyben a programozók természetes nyelven írnak le egy problémát, ami egy nagy, kódolásra hangolt nyelvi modell segítségével hagyományos programkódra kerül lefordításra. A programozó szerepe a kézi kódolásról az AI által generált forráskód irányítására, tesztelésére és finomítására változik.

A vibe kódolás egyik fő szempontja, hogy a felhasználók gyakran úgy fogadják el a kódot, hogy nem értik meg teljesen. Ahogy Simon Willison mesterséges intelligencia kutató megjegyezte: „Ha egy LLM írta a kód minden sorát, de Ön átnézte, tesztelte és megértette az egészet, az szerintem nem vibe coding, hanem egy LLM gépelési asszisztensként való használata„.

Karpathy a saját megközelítését beszélgetésként írta le, hangparancsokat használ, miközben az AI generálja a tényleges kódot, és elismerte, hogy bár a technikának vannak korlátai - különösen a hibák kijavításában -, „nem is olyan rossz hétvégi, eldobható projektekhez” és azt „elég szórakoztatónak” találta.

A partnerség a tervek szerint az Anthropic Claude 3.5 Sonnet modelljét használja majd, amely a fejlesztői közösség körében jelentős népszerűségre tett szert a kódoló alkalmazásokban. A modell kiváló teljesítményt és sokoldalúságot nyújt. Kétszer olyan gyorsan működik, mint elődje, miközben magas szintű kognitív teljesítményt nyújt, mivel kifejezetten a szoftverfejlesztési feladatokra optimalizálták, a kódmigrációktól és -javításoktól kezdve a fordításokig, erős teljesítményt mutat mind a tervezés, mind az összetett kódolási kihívások megoldása során. A modell 200 000 token hosszúságú kontextus ablakot használ, ami átfogó kódelemzést és generálást tesz lehetővé.

A fejlesztők számára ez a partnerség jelentősen átalakíthatja a munkafolyamatok gyakorlatát. A vibe kódolási paradigma azt ígéri, hogy még az amatőr programozók is képesek lesznek szoftvereket készíteni a szoftverfejlesztéshez hagyományosan szükséges széles körű képzés és készségek nélkül. Azt azonban érdemes figyelembe venni, hogy komplex szoftverek megalkotásánál, az elvárás elsősorban az, hogy ilyen módon csupán a koncepciókat hozzák létre, és ha a koncepció működőképesnek bizonyul, akkor azt a hagyományos módon újraprogramozzák mivel a vibe coding nem hoz létre karbantartható kódot. Ugyanakkor a Claude Sonnethez hasonló fejlett mesterséges intelligencia-modellek felhasználásával a fejlesztők kevesebb időt tölthetnek kódok írásával, és több időt fordíthatnak a magasabb szintű problémákra és kreatív megoldásokra. 

Osszd meg ezt a cikket
A JetBrains Mellum nyílt forráskódúvá vált
2025. április 30-tól a JetBrains jelentős lépést tett az AI-fejlesztés területén azzal, hogy nyílt forráskódúvá tette a Mellumot, a kifejezetten kódkiegészítésre tervezett, célzottan erre a célra kifejlesztett nyelvi modelljét. Ez a speciális 4B paraméteres modell, amely korábban csak a JetBrains kereskedelmi kínálatának részeként volt elérhető, mostantól szabadon hozzáférhető a Hugging Face-en, új lehetőségeket nyitva meg a kutatók, oktatók és fejlesztőcsapatok előtt.
Trendek az LLM fejlesztésben való felhasználásában az Anthropic felmérése alapján
Az Anthropic a mesterséges intelligencia kutatásában és fejlesztésében az élvonalhoz tartozó vállalat, amelyet leginkább Claude nevű nagy nyelvi modelljéről ismerünk. A Claude.ai és a Claude Code termékcsalád az utóbbi években különösen népszerűvé vált a szoftverfejlesztők körében, köszönhetően kiemelkedő kódgenerálási képességeinek és az automatizálásban elért magas szintű teljesítményének
Mesterséges intelligencia szakember hiány Indiában, amely hamarosan más országokat is megrázhat
India hosszú ideje világviszonylatban is jelentős szereplő az informatikai szolgáltatásokban, így természetesnek vehetjük, hogy az utóbbi években a mesterséges intelligencia kutatások élvonalába is igyekszik bekerülni. A szakértők szerint a cégek többsége (a Deloitte felmérése szerint mintegy 80%-a) már az autonóm, „ügynök‑alapú” MI-rendszerek fejlesztésén dolgozik​. Ezek az alkalmazások most olyan új kihívások elé állították az országot, amely az egész világon végigsöpörhet. A kereslet a speciális tudással rendelkező szakemberek iránt meredeken nő, miközben a jelenlegi kínálat nem elegendő a tervezett igények kielégítésére​.
 A Google bemutatta az Agent2Agent (A2A) nyílt forráskódú protokollt
Jensen Huang (az NVIDIA CEO-ja) nemrégiben elmondott beszédében a mesterséges intelligencia fejlődését több szakaszra osztotta és a jelenlegi szakaszra az Agentic AI korszakaként hivatkozott. Bár előadásában már a főként a következő szakaszra fókuszált a fizikai AI korszakára, nem szabad elfelejtenünk, hogy az Agentic AI korszaka is még csak idén indult el, így annak kifejlett érett formáját nem láthattuk. Hogy milyen lesz majd ez a fejlettebb forma abba enged betekintést a Google legújabb bejelentése amelyben bemutatták a nyílt forráskódú Agener2Agent protokollt. A protokoll célja, hogy hidat képezzen a különböző platformok, keretrendszerek és gyártók által létrehozott MI ágensek között, elősegítve ezzel a zökkenőmentes kommunikációt és együttműködést.