Meta har presenterat ett nytt AI-verktyg, CodeCompose, utformat för att spegla funktionerna i GitHubs Copilot.
Verktyget avslöjades vid ett evenemang som belyste Metas pågående AI-strategi, som också diskuterade skräddarsydda chips för träning av AI-modeller.
CodeCompose är för närvarande inte offentligt tillgängligt, men Meta avslöjade att dess interna utvecklingsteam redan använder verktyget.
Meta har också publicerat en artikel beskriver CodeCompose: "CodeCompose är baserat på InCoder LLM som sammanfogar generativa förmågor med dubbelriktadhet. Vi har skalat upp CodeCompose för att betjäna tiotusentals utvecklare på Meta, över 10+ programmeringsspråk och flera kodningsytor.
Framför allt är CodeCompose utbildad, testad och validerad på Metas egen koddatabas.
Detta inkluderar ramverk och bibliotek som utvecklats i Hack, Metas programmeringsspråk, vilket säkerställer att AI-verktyget integrerar dessa komponenter i sina kodningsrekommendationer.
Som Michael Bolin, en Meta-programvaruingenjör, beskrev: "Grunden för modellen vilar på offentlig forskning från Meta. Vi har förfinat det specifikt för att tillgodose våra unika interna behov och kodningsdatabaser."
CodeCompose har 6,7 miljarder parametrar, hälften av vad Copilot erbjuder, ett liknande verktyg som GitHub erbjuder i samarbete med OpenAI. Fler parametrar är dock inte alltid garanterade att öka prestandan. Enligt Meta är dess grundläggande träningsdata noggrant rengjorda, vilket avsevärt minskar sannolikheten för att modellen föreslår felaktig kod.
Eftersom CodeCompose är utbildad på intern kod, kommer den att undvika stämningar som för närvarande är inlämnade mot OpenAI:s potentiellt olagliga användning av användarnas kod?
Hittills är Metas inställning till huruvida CodeCompose intog licensierad eller upphovsrättsskyddad kod fortfarande oklar.
De har dock medgett att "InCoders utbildning innebar att samla in offentlig kod med specifik licensiering från plattformar som GitHub och GitLab och även från StackOverflow."
Meta fortsätter att motverka andra AI-företag genom att erbjuda modeller med öppen källkod som gör det möjligt för individer och företag att bygga sina modeller utan kostnad. Att tjäna pengar på AI visar sig redan vara knepigt nog - och lanseringen av varje öppen källkodsmodell mejslar bort potentiella vinster.