Репортаж от Wedoany，23 июня, в ходе конференции Volcengine Force 2026 года, президент Volcengine Тань Дай дал ответы на вопросы, касающиеся AI Coding, логики оценки стоимости больших языковых моделей и внедрения корпоративных агентов. Он заявил, что AI Coding является ключевым проявлением обобщающей способности больших языковых моделей, а также ключевой способностью для поддержки сложных задач агентов. ByteDance уже в широких масштабах внедрила производственный процесс AI Coding.
Тань Дай считает, что текущая высокая оценка рынком больших языковых моделей, обладающих производительностью кода, имеет под собой промышленную логику. Задачи по написанию кода обычно требуют от модели понимания требований, декомпозиции инженерной структуры, вызова инструментов, внесения постоянных изменений и завершения поставки. По сравнению с обычной генерацией текста, это в большей степени демонстрирует способности модели к рассуждению, планированию и выполнению. После повышения способностей AI Coding большие языковые модели перестают быть просто вспомогательными инструментами для ответов на вопросы и начинают входить в реальные процессы разработки и цепочки выполнения сложных задач.
Doubao 2.1 Pro — это новейшая флагманская модель, представленная Volcengine на этот раз. Модель была модернизирована по четырем направлениям: поставка кода, длительные задачи агентов, мультимодальное понимание и стабильная работа на корпоративном уровне. Особый упор делается на понимание требований, долгосрочное планирование и способность к инженерной поставке. Тань Дай заявил, что Doubao 2.1 Pro уже преодолела точку качественного изменения производительности на производственном уровне и может быть внедрена для выполнения итерационных задач с реальным промышленным кодом, таких как разработка RTL для чипов.
Ключевым моментом для входа AI Coding в корпоративные производственные процессы является не только способность модели писать код, но и возможность ее интеграции в систему управления разработкой. Реальная программная инженерия включает в себя такие этапы, как рецензирование требований, технические решения, генерация кода, модульное тестирование, локализация проблем, управление версиями, соблюдение стандартов и проверка безопасности. Только если модель сможет непрерывно работать на всех этих этапах и взаимодействовать с существующим инструментарием предприятия, AI Coding сможет превратиться из инструмента личной эффективности в организационный производственный процесс.
Масштабная практика внутри ByteDance показывает, что AI Coding переходит от стадии пробного использования к стадии инженерного внедрения. Для крупных интернет-компаний со сложной системой разработки, большим объемом кодовой базы и частыми итерациями бизнеса, стабильное использование модели во внутренних процессах означает, что она должна соответствовать высоким требованиям в области понимания контекста, адаптации стиля кода, декомпозиции задач и исправления ошибок. Это также важное изменение в корпоративных AI-приложениях — переход от «способности генерировать» к «способности поставлять».
Однако производственное внедрение AI Coding все еще требует четкого определения границ. Сгенерированный моделью код не означает полной замены инженеров. Ключевой код, архитектурные решения, стратегии безопасности и решения о развертывании по-прежнему требуют ручной проверки. Особенно в таких высоконадежных сценариях, как разработка RTL для чипов, код инфраструктуры, финансовые системы и промышленный контроль, результаты работы модели должны проходить тестирование, верификацию и управление цепочкой ответственности, и нельзя полагаться исключительно на однократный результат генерации.
С точки зрения отраслевых тенденций, AI Coding становится важным входом для коммерциализации больших языковых моделей. По сравнению с чат-ассистентами, производительность кода легче напрямую связать с эффективностью предприятия, затратами на разработку и циклом поставки, а также легче измерить соотношение затрат и результатов. Производители моделей, которые смогут сформировать преимущества в задачах по написанию кода, длительных агентах и интеграции корпоративных инструментов, с большей вероятностью войдут в основные рабочие процессы предприятий.
В дальнейшем ключевыми точками наблюдения станут стабильность Doubao 2.1 Pro в реальных задачах поставки кода, ситуация с подключением корпоративных клиентов, способность к выполнению длительных задач агентов, верификация в промышленных сценариях кода, таких как RTL для чипов, а также то, сформирует ли внутренний процесс AI Coding в ByteDance воспроизводимую корпоративную методологию. По мере того как AI переходит от генерации контента к этапу инженерной поставки, производительность кода продолжит оставаться ключевым показателем в конкуренции больших языковых моделей.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
