TabbyML, el competidor de código abierto de GitHub Copilot, recauda 3,2 millones de dólares - ¡Descubre la nueva revolución!

Se intensifica la carrera por crear asistentes de inteligencia artificial que ayuden a los humanos a escribir código informático

La startup TabbyML, fundada por dos antiguos empleados de Google, acaba de conseguir 3,2 millones de dólares de financiación para trabajar en su generador de código abierto. A diferencia de Copilot de GitHub, un asistente de codificación autoalojado como TabbyML tiene la ventaja de ser altamente personalizable, según Meng Zhang, cofundador de la startup. "Creemos en un futuro en el que todas las empresas tendrán algún tipo de demanda de personalización en el desarrollo de software", dijo en una entrevista con Toukiela.

Las ventajas de las soluciones de código abierto para las grandes empresas

El software de código abierto se adapta especialmente a las necesidades de las grandes empresas, según Lucy Gao, cofundadora de TabbyML. Mientras que los desarrolladores independientes pueden incorporar código abierto a sus proyectos, los ingenieros de las empresas suelen utilizar código propietario, inaccesible por tanto para Copilot. "Por ejemplo, si mi colega acaba de escribir una línea de código, puedo citarla inmediatamente utilizando TabbyML", explica Gao.

Los retos de los generadores de código de IA

Los generadores de código, como otros tipos de IA, no siempre son fiables porque pueden estar plagados de fallos. Gao cree que este reto es "relativamente fácil de superar" en el caso de una solución autoalojada. Cada vez que los usuarios deciden no incorporar las sugerencias de TabbyML o modificar el código generado automáticamente, el modelo de IA se refina a sí mismo basándose en esta información.

Los prometedores resultados de los asistentes de codificación de IA

El objetivo de los generadores de código es ayudar a los programadores humanos en lugar de sustituirlos, y ya se han conseguido resultados prometedores. En junio, GitHub publicó una encuesta que mostraba que los usuarios de Copilot aceptaban 30% de las sugerencias generadas por el asistente de codificación. Zhang citó otra cifra reveladora: en un reciente evento para desarrolladores, Google anunció que 24% de sus ingenieros de software tuvieron más de cinco "momentos de asistencia" al día utilizando su editor de código interno mejorado por IA, Cider.

Competencia entre TabbyML y Copilot

TabbyML, que se lanzó en abril, ya ha recibido más de 11.000 estrellas en GitHub. Los dos inversores de esta última ronda de financiación son Yunqi Partners y ZooCap. Zhang afirma que la ventaja de OpenAI se desvanecerá a medida que otros modelos de IA sean más potentes y los costes de la potencia de cálculo disminuyan con el tiempo.

GitHub y la estrategia de OpenAI sobre los costes de implantación

La capacidad de GitHub y OpenAI para desplegar modelos de IA con decenas de miles de millones de parámetros a través de la nube es una ventaja, según Zhang. Aunque el coste de servir estos grandes modelos es mayor, Copilot ha conseguido hasta ahora mitigar este gasto agregando peticiones. Sin embargo, esta estrategia tiene sus límites: en los primeros meses de este año, Microsoft perdía una media de más de 20 dólares al mes por usuario de GitHub Copilot, según un informe del Wall Street Journal.

La visión de futuro de TabbyML

Por el contrario, Tabby pretende reducir la barrera de despliegue recomendando modelos entrenados con 1.000 a 3.000 millones de parámetros, un enfoque que inevitablemente conduce a una menor calidad a corto plazo. "Sin embargo, a medida que disminuya el coste de la potencia de cálculo y siga mejorando la calidad de los modelos de código abierto, la ventaja competitiva de GitHub y OpenAI acabará disminuyendo", afirma Zhang.