Runloop nolaižas 7 miljonus USD, lai darbinātu AI kodēšanas aģentus ar mākoņa bāzes Devboxes

RublopsSanfrancisko bāzētā infrastruktūras startēšana, ir piesaistījusi 7 miljonus ASV dolāru sēklu finansējuma, lai pievērstos tā dibinātājiem “ražošanas plaisu”-kritisko izaicinājumu izvietot AI kodēšanas līdzekļus ārpus eksperimentāliem prototipiem reālās pasaules uzņēmuma vidē.

Finansējuma kārta, kuru vada Vispārējā partnerība Ar dalību no Tukši uzņēmumināk kā mākslīgā intelekta koda rīku tirgus Paredzēts, ka līdz 2032. gadam sasniegs 30,1 miljardu USDsaskaņā ar vairākiem nozares ziņojumiem pieaugot ar saliktu gada pieauguma tempu 27,1%. Investīciju signālu pieaugošā investoru uzticība infrastruktūrai spēlē, kas ļauj AI aģentiem strādāt uzņēmuma mērogā.

Runloop platforma pievēršas pamatjautājumam, kas ir parādījies kā AI kodēšanas rīki, kas izplatās: kur AI aģenti faktiski darbojas, kad viņiem jāveic sarežģīti, daudzpakāpju kodēšanas uzdevumi?

“Es domāju, ka ilgtermiņā sapnis ir tāds, ka katram darbiniekam katrā lielā uzņēmumā ir varbūt pieci vai 10 dažādi digitālie darbinieki vai AI aģenti, kas palīdz šiem cilvēkiem veikt savu darbu,” ekskluzīvā intervijā ar VentureBeat skaidroja Jonathan Wall, Runloop līdzdibinātāju un izpilddirektoru. Siena iepriekš līdzdibinātā Google maciņš un vēlāk nodibināja fintech startup Indeksskas Iegūtā joslaApvidū

Analoģijas sienas lietojums ir norādīts: “Ja jūs domājat par jauna darbinieka pieņemšanu darbā jūsu vidējā tehnoloģiju uzņēmumā, par savu pirmo darbu, viņi ir līdzīgi:“ Labi, šeit ir jūsu klēpjdators, šeit ir jūsu e -pasta adrese, šeit ir jūsu akreditācijas dati. Lūk, kā jūs pierakstāties uz github ”. Jūs, iespējams, pavadāt savu pirmo dienu, nosakot šo vidi. ”

Tas pats princips attiecas uz AI aģentiem, apgalvo Wall. “Ja jūs domājat, ka šie AI aģenti spēs darīt tādas lietas, ko cilvēki dara, viņiem būs nepieciešami visi tie paši rīki. Viņiem būs nepieciešama sava darba vide.”

Rublops Sākotnēji koncentrējās uz kodēšanas vertikāli, pamatojoties uz stratēģisku ieskatu par programmēšanas valodu raksturu salīdzinājumā ar dabisko valodu. “Kodēšanas valodas ir daudz šaurākas un stingrākas nekā kaut kas līdzīgs angļu valodā,” paskaidroja Wall. “Viņiem ir ļoti stingra sintakse. Viņi ir ļoti virzīti uz modeļiem. Tās ir lietas, kuras LLM ir patiešām labi.”

Vēl svarīgāk ir tas, ka kodēšana piedāvā to, ko siena sauc par “iebūvētām verifikācijas funkcijām”. AI aģenta rakstīšanas kods var nepārtraukti apstiprināt savu progresu, palaižot testus, sastādot kodu vai izmantojot lentes rīkus. “Šāda veida rīki nav īsti pieejami citās vidēs. Ja jūs rakstāt eseju, es domāju, ka jūs varētu veikt pareizrakstības pārbaudi, wager, novērtējot esejas relatīvo kvalitāti, kamēr esat to daļēji cauri – tur nav kompilatora.”

Šī tehniskā priekšrocība ir izrādījusies senlaicīga. AI kodu rīku tirgus patiešām ir kļuvis par vienu no visstraujāk augošajiem segmentiem uzņēmuma AI, kuru vada tādi rīki kā tādi rīki Github kopilotskuru Microsoft ziņojumus izmanto miljoniem izstrādātāju, un Openai nesen paziņotie Codex uzlabojumi.

Iekšpusē Runloop uz mākoņiem balstītās Devboxes: Enterprise AI aģenta infrastruktūra

RUNLOOP galvenais produkts ar nosaukumu “devboxes”Nodrošina izolētu, uz mākoņiem balstītu attīstības vidi, kurā AI aģenti var droši izpildīt kodu ar pilnu failu sistēmu un veidot instrumentu piekļuvi. Šīs vide ir īslaicīga-tās var sagriezt un dinamiski sagrauties, pamatojoties uz pieprasījumu.

“Jūs varat tos piecelties, nojaukt tos. Jūs varat griezties 1000, izmantot 1000 stundu, tad varbūt esat pabeidzis kādu konkrētu uzdevumu. Jums nav nepieciešams 1000, lai jūs varētu tos nojaukt,” sacīja Wall.

Viens klienta piemērs ilustrē platformas lietderību: uzņēmums, kas veido AI aģentus, lai automātiski rakstītu vienības testus koda pārklājuma uzlabošanai. Atklājot ražošanas problēmas klientu sistēmās, viņi vienlaikus izvieto tūkstošiem DeVboxes, lai analizētu kodu krātuves un ģenerētu visaptverošus testa komplektus.

“Viņi uz klāja jaunu uzņēmumu un būs līdzīgi:“ Ei, pirmais, kas mums jādara, ir tikai apskatīt jūsu koda pārklājumu visur, pamanīt, kur trūkst. Ejiet uzrakstīt veselu tonnu testu un pēc tam ķirsis izvēlieties visvērtīgākās, lai nosūtītu jūsu inženieriem kodu pārskatīšanai, ”” paskaidroja siena.

RUNLOOP klientu panākumi: sešu mēnešu laika ietaupījums un 200% ieņēmumu pieaugums

Neskatoties uz to, ka martā tika izlaisti tikai norēķini un pierakstīšanās pašapkalpošanās laikā maijā, Runloop ir sasniedzis ievērojamu impulsu. Uzņēmums ziņo par “dažiem desmitiem klientu”, ieskaitot A sērijas uzņēmumus un galvenās modeļu laboratorijas, un ieņēmumu pieaugums kopš marta pārsniedz 200%.

“Mūsu klienti mēdz būt tādu cilvēku izmēri un forma, kuri ļoti agri atrodas AI līknē, un ir diezgan izsmalcināti par AI lietošanu,” atzīmēja Wall. “Tas vismaz šobrīd mēdz būt A sērijas uzņēmumi – uzņēmumi, kas mēģina veidot AI kā savu galveno kompetenci – vai dažas no modelēm laboratorijām, kas acīmredzami par to ir vismodernizētākie.”

Ietekme uz klientu šķiet būtiska. Dans Robinsons, izpilddirektors Detaļa.devsRunloop klients, paziņojumā sacīja: “RUNLOOP ir bijis mūsu biznesa slepkava. Mēs nevarējām tik ātri nokļūt tirgū bez tā. Tā vietā, lai sadedzinātu mēnešus, veidojot infrastruktūru, mēs esam spējuši koncentrēties uz to, kas mums ir kaislīgs: veidojot aģentus, kas sasmalcina tehnoloģiju parādu… Runloop principā ir saspiests mūsu pārņemšanas laika grafiks līdz sešiem mēnešiem.

AI koda pārbaude un novērtēšana: pārvietošanās ārpus vienkāršas tērzēšanas robota mijiedarbības

RUNLOOP otrais lielākais produkts, Publiskie etaloniadresē vēl vienu kritisku vajadzību: standartizēta AI kodēšanas aģentu pārbaude. Tradicionālais AI novērtējums koncentrējas uz vienotu mijiedarbību starp lietotājiem un valodas modeļiem. Runloop pieeja ir principiāli atšķirīga.

“Tas, ko mēs darām, ir tas, ka mēs vērtējam potenciāli simtiem instrumentu lietojumu, simtiem LLM zvanu un mēs vērtējam kompozītu vai garenvirziena iznākumu aģenta skrējienā,” skaidroja Wall. “Tas ir daudz garenāks, un ļoti svarīgi, ka tas ir bagāts ar kontekstu.”

Piemēram, novērtējot AI aģenta spēju ielāpēt kodu, “jūs nevarat novērtēt diferenciālo vai reakciju no LLM. Jums tas ir jāievieto pilna koda bāzes kontekstā un jāizmanto kaut kas līdzīgs kompilatoram un testiem.”

Šī spēja ir piesaistījusi modeļa laboratorijas kā klientus, kuri izmanto Runloop vērtēšanas infrastruktūru, lai pārbaudītu modeļa uzvedību un atbalstītu apmācības procesus.

AI kodēšanas rīku tirgus ir piesaistījis milzīgus ieguldījumus un tehnoloģiju gigantu uzmanību. Microsoft Github kopilots potenciālie pircēji tirgus daļā, savukārt Google nesen paziņoja Jauni AI izstrādātāja rīkiun Openai turpina virzīties uz priekšu Codex platformaApvidū

Tomēr Wall uzskata šo konkurenci kā validāciju, nevis draudus. “Es ceru, ka daudzi cilvēki būvē AI kodēšanas robotus,” viņš teica, izstrādājot analoģiju datu bārķiem mašīnmācīšanās telpā. “Dzirkstele ir atvērtā koda avots, tas ir kaut kas, ko ikviens var izmantot … Kāpēc cilvēki izmanto datu brīžus? Nu, jo patiesībā ir diezgan grūti izvietot un darboties.”

Siena paredz, ka tirgus attīstīsies virzienā uz domēniem specifiskiem AI kodēšanas līdzekļiem, nevis vispārējas nozīmes rīkiem. “Es domāju, ka tas, ko mēs sāksim redzēt, ir domēna specifiski aģenti, kas pārspēj šīs lietas konkrētam uzdevumam,” piemēram, AI aģenti, kas specializējas drošības testēšanā, datu bāzes veiktspējas optimizācijā vai īpašos programmēšanas ietvaros.

Runloop ieņēmumu modelis un uzņēmuma AI infrastruktūras izaugsmes stratēģija

RUNLOOP darbojas pēc lietošanas cenu noteikšanas modeļa ar pieticīgu ikmēneša maksu, kā arī maksu, pamatojoties uz faktisko aprēķinu patēriņu. Lielākiem uzņēmumu klientiem uzņēmums izstrādā gada līgumus ar garantētām minimālās lietošanas saistībām.

7 miljonu dolāru finansējums galvenokārt atbalstīs inženierzinātnes un produktu attīstību. “Infrastruktūras platformas inkubācija ir nedaudz ilgāka,” atzīmēja Wall. “Mēs tikai tagad sākam patiešām plaši doties uz tirgu.”

Uzņēmuma komandā 12 ir veterāni no VīrišķsVerdzība Mēroga AIVerdzība Googleun Svītra -Pieredze, kas, pēc Wall, ir būtiska, lai veidotu uzņēmuma pakāpes infrastruktūru. “Šie ir diezgan pieredzējuši infrastruktūras cilvēki, kas ir diezgan vecāki. Katram uzņēmumam būtu diezgan grūti izveidot tādu komandu kā šī, lai atrisinātu šo problēmu, un viņiem vairāk vai mazāk vajadzēs, ja viņi neizmanto kaut ko līdzīgu Runloop.”

Kas notiks AI kodēšanas aģentiem un uzņēmuma izvietošanas platformām

Tā kā uzņēmumi arvien vairāk izmanto AI kodēšanas rīkus, infrastruktūra to atbalstam kļūst kritiska. Nozares analītiķu projekts turpināja straujo izaugsmi, Globālā AI kodu rīku tirgus palielinājās no USD 4,86 miljardiem 2023. gadā līdz vairāk nekā 25 miljardiem USD līdz 2030. gadam.

Wall redze pārsniedz kodēšanu citās jomās, kur AI aģentiem būs nepieciešama sarežģīta darba vide. “Laika gaitā mēs domājam, ka mēs, iespējams, uzņemsim citas vertikāles,” viņš teica, lai gan kodēšana joprojām ir tūlītēja uzmanība, pateicoties tās tehniskajām priekšrocībām AI izvietošanai.

Pamatjautājums, kā siena to veido, ir praktisks: “Ja jūs esat CSO vai CIO vienā no šiem uzņēmumiem, un jūsu komanda vēlas izmantot… Piecus aģentus katram, kā jūs, iespējams, gatavojaties to uz kuģa un ienest jūsu vidē 25 aģentus?”

Runloop atbilde slēpjas infrastruktūras slāņa nodrošināšanā, kas padara AI aģentus tikpat viegli izvietojamus un pārvaldāmus kā tradicionālās programmatūras lietojumprogrammas – digitālo darbinieku redzējumu no prototipa līdz ražošanas realitātei.

“Visi uzskata, ka jums būs šī digitālā darbinieku bāze. Kā jūs uz viņiem uz klāja?” Siena teica. “Ja jums ir platforma, kuru šīs lietas spēj darboties, un jūs pārbaudījāt šo platformu, tas kļūst par pielāgojamu līdzekļu, lai cilvēki varētu plaši izmantot aģentus.”