Компания OpenAI объявила о покупке стартапа Astral, разрабатывающего популярные инструменты с открытым исходным кодом для языка Python, в том числе uv, Ruff и ty. OpenAI планирует интегрировать их со своим ИИ-агентом Codex, выпущенным в прошлом году и предназначенным для написания программного кода, продолжив поддерживать продукты с открытым исходным кодом.

В сообщении OpenAI говорится, что ее цель заключается в выходе за рамки искусственного интеллекта, который просто генерирует код, и создании систем, способных участвовать во всех аспектах процесса разработки, помогая планировать изменения, модифицировать базы программного кода, запускать инструменты, проверять результаты и поддерживать программное обеспечение в рабочем состоянии в дальнейшем. Инструменты разработчика Astral встраиваются непосредственно в этот процесс.

В своем блоге основатель Astral Чарли Марш указал, что целью компании с момента ее основания в 2023 году было создание инструментов, которые радикально меняли бы восприятие работы с Python – быстрых, надежных, интуитивно понятных и интегрированных. Сегодня в ходе выполнении этой миссии сделан еще один шаг вперед.

Благодаря приобретениюсляи OpenAI надеется повысить эффективность своего программирования. Одна из возможных стратегий покупки может заключаться в том, что, приобретя команду, создавшую инструменты с открытым кодом, OpenAI оптимизирует их таким образом, чтобы в ее стеке они работали лучше, чем где-либо еще, что предоставит ей дополнительные преимущества.

Последние пару лет в обсуждении использования ИИ в разработке доминировал один показатель: скорость. Как быстро может быть сгенерирован код. Как быстро разработчик получает готовый прототип на основании своего промпта. Такой подход был удобен, но неполон, что порою вводило в заблуждение.

Разработка программного обеспечения – не просто написание кода и никогда не ограничивалась только этим. Соответствующий процесс связан со всем, что происходит вокруг – с управлением зависимостями, обеспечением согласованности, проверкой выходных данных, безопасностью типов, интеграцией с существующими системами и поддержанием стабильности с течением времени. Это не творческие задачи. Они структурированы, повторяются и зачастую неумолимы. Именно эта совокупность удерживает системы от разрушения.

Системы искусственного интеллекта генерируют вероятностные результаты. Инженерные системы требуют детерминированного поведения. Этот разрыв не относится больше к теоретическим аспектам и все чаще проявляется в повседневных процессах разработки. Разработчики часто отмечают, что сегодня готовы выдавать результаты быстрее. Но на самом деле с производительностью труда все гораздо сложнее. Действительно, на первый взгляд, код появляется быстрее, стереотипы исчезают, выполнение некоторых задач сокращается с нескольких часов до нескольких минут. Но если взглянуть на весь жизненный цикл, преимущества начинают размываться.

Команды тратят больше времени на анализ того, что было создано. Они устраняют несоответствия в зависимостях, которые не были очевидны в момент их регистрации. Они обеспечивают соблюдение внутренних стандартов, которые модель не до конца понимает. Интеграция занимает больше времени, чем ожидалось. Циклы тестирования растягиваются. В некоторых случаях количество дефектов увеличивается, поскольку на первый взгляд система кажется правильной, но в реальных условиях выходит из строя.

Компания Astral не ставила перед собой задачу создания ИИ. Вместо этого она сосредоточилась на менее эффектных, но гораздо более важных моментах: сделать экосистему Python более быстрой, строгой и предсказуемой. Ruff обеспечивает высокое качество кода и быстрое форматирование, uv упрощает и стабилизирует управление зависимостями и средой, ty обеспечивает безопасность типов с минимальными затратами.

Эти инструменты ничего не генерируют. Они накладывают ограничения, выполняют проверки и вносят исправления, функционируя в мире, где результаты должны быть согласованными и воспроизводимыми. Это именно то, чего не хватает ИИ.

Таким образом, OpenAI не просто добавляет в свой продукт новые функции, а усиливает дисциплину. Если ИИ участвует в жизненном цикле разработки, ему приходится работать в системах, которые постоянно проверяют и корректируют его поведение. Без этого дальнейшее масштабирование становится слишком рискованным.