这才是未来 AI 该有的样子?
奇怪了。
一款 AI 代码工具刚发布,限量测试却要求「不懂代码」的人优先。
10 月 24 日,阿里旗下的通义正式宣布了「代码模式」,并开放试用预约,首批邀请 1024 名用户进行体验。
通义代码模式旨在降低应用开发的门槛。它针对简单的代码和应用生成需求,主打一个所见即所得。
具体来说,人与 AI 大模型的交流现在会出现在一个专门的窗口里,AI 大模型生成的代码会实时地在网页上跑出来以供预览。
因此,非专业程序员优先是本次测试的特别要求。
这是国内首家实现「让使用者一句话编程,并实时生成可见预览」的公司,通义代码模式的出现,或许代表着一种未来新趋势。
最近一段时间,大模型技术正在加速进入下半场。各家科技巨头、AI 创业公司在发展新一代模型的同时,也在不断探索大模型的应用方式。
上周,消费级产品领域曝出了一系列新产品,微软发布的「商业智能体」旨在包揽人们在销售、客服、财务、供应链团队的工作;Anthropic 提出的升级版 Claude 3.5 Sonnet 则主打一个「AI 自己操纵电脑」;在手机端,荣耀提出智能终端的「自动驾驶」,似乎让手机具备了全局跨 App 自动操纵的能力。
通义代码模式,则预示着在生产的一侧,开发领域的新一轮迭代。
在实时可预览代码模式出现之前,我们即使是使用 ChatGPT 等行业顶尖的大模型来写代码,也必须遵循这样的路径:1)先想好与 AI 沟通的措辞提出需求;2)复制 AI 生成的代码,尝试在外部开发环境中运行;3)继续追问大模型,不断修改代码并尝试运行,直到最终获得满意的结果为止。
现在有了通义代码模式,你在叙述完具体功能需求后,系统会创建一个工作空间,AI 在其中与你协同工作。在后续对话过程中,AI 可以实时查看你的新要求,持续编辑代码。问题随时解决,效果实时呈现,就像是在现实世界中的多人协作一样。
而且,AI 还永远不会与你 battle。
ChatGPT 刚刚爆发时人们曾预测,AI 大模型先解放的将会是软件开发。现在看来,我们距离实现这个理想又更近了一步。
我们看到,使用通义代码模式可以捣鼓出各种不同的应用。比如生成一个贪吃蛇小游戏:
带有一定复杂规则的格斗游戏:
甚至还有音乐播放器:
通义产品经理王晓明表示,代码模式的提出主要是来自于用户需求。通义大模型的代码能力属于业界领先,每天有大量程序员在使用通义进行代码生成和代码解释等任务。此外,他们发现还有不少不懂代码的用户会有创建应用、网页等需求。
与通义灵码、AI 程序员主要面向资深程序员的深度编码场景不同,通义代码模式提供了一种新的交互方式,针对简单的代码和应用生成需求,为用户创建一个动态的窗口,将生成的代码文件直接在网页上渲染成应用。
从「通义灵码」到「AI 程序员」再到「通义代码模式」到底迭代了什么?至此,答案就呼之欲出了:
「这相当于让用户拥有一个 24 小时随时提需求的『贴身程序员』,不用排期、随时上线,且能满足你专属需求。」王晓明类比说。他还透露,阿里内部的开发者每天都在让通义协助完成大量的代码任务,从简单的代码排查、生成和解释,到更深入的代码文件辅助生成。「有些同事甚至直接用通义代码模式复刻出了小时候玩的掌机、小霸王上的一些小游戏,比如坦克大战、俄罗斯方块、飞机大战等。」
任何一款好用的 AI 产品都离不开背后足够聪明的大模型,通义代码模式也是如此。它基于 Qwen 2.5 大模型进行开发。如果你一直在关注大模型领域的动态,会发现 Qwen 大模型最近的热度正在持续提高。
在 9 月底,全球开源社区基于 Qwen 系列二次开发的衍生模型数量已经超过了 Llama 系列,达到了 7.4 万。在 LiveBench 排行榜上,该模型的编码能力得分超过了 OpenAI 的 o1 模型,曾经跻身排行榜第二。在 Chatbot Arena 榜单上,该模型也能排到第五。
而且除了跑分,这个模型在国内外开发者中的口碑也非常好。
无论是在性能方面,还是在影响力方面,Qwen 都已经获得了充分的认可。
通义代码模式的出现,则让 Qwen 2.5 在多个方面充分发挥了自己的潜力。具体来说,代码模式一方面需要基于模型的意图识别和指令理解能力,将涉及到代码的用户意图精准识别出来,另一方面也需要将代码生成能力进行提升。有了 Qwen 2.5 做基础,通义代码模式在代码生成、推理和修复等能力方面表现非常优秀,能够支持 40 多种编程语言。
此外,通义代码模式的代码能力相比常规模式有 30% 以上的显著提升,在代码场景下表现极为优秀的同时,也具备很强的数学和通用能力。
在完成意图的理解和代码的生成之后,通义代码模式还需要将代码文件渲染成小游戏、网页和数据图表等各类应用,并且支持直接对代码的编辑修改(如转换语言、添加注释、问答等)。
这其中最大的难点就在代码渲染层面。为了尽可能扩大代码成功渲染为各类应用的范围,通义的团队需要对用户需求进行深入调研,并且针对主要的几大类场景进行优化,以确保满足用户的实际使用需求。其中涉及到意图理解、模型调优、前端渲染组件适配等一系列复杂的工作。
王晓明表示,通义代码模式目前可以实现大多数只依赖前端渲染的应用生成任务,对于更复杂的前后端代码,目前可以实现长篇的代码片段生成作为辅助。未来,该模式会进一步与 IDE 进行深度结合,帮助用户完成更加完整的前后端系统代码生成,实现更加复杂的应用类型生成。
通义代码模式选择的人机交互范式,可谓如今各路大模型公司主攻的新方向。
从理念上来说,这一模式与国外知名 AI 公司 Anthropic 提出的新功能 Artifacts 以及 OpenAI 发布的 ChatGPT with Canvas 不谋而合。或者,从某种程度上来说,通义代码模式更像是集合了二者的优势。
Artifacts 的最大特点在于实时预览。长期以来,大型语言模型一直能够生成代码,但在 GitHub 和 Copilot 等人工智能辅助开发环境之外,执行生成的代码通常需要额外的步骤。这些步骤让开发人员感觉繁琐,也把非开发人员挡在了门槛之外。在单独的窗口中保存和运行代码,可以带来方便、即时的体验。同样,在生成图像和其他可视化输出时也是如此。
所以,在 Artifacts 问世之际,很多人将其称为「本年度最重要的 AI 功能」、「Claude AI 最有用的功能」…… 还有人评价说,它「比 GPT-4o 还要震撼,这才是未来 AI 的样子」。
不过,Artifacts 也有一些不方便的地方,比如对于编程语言之间的自动转换、注释的添加还没有做到很好的支持。OpenAI 随后发布的 ChatGPT with Canvas 倒是提供了这些功能,但并不支持代码预览和应用生成,前面提到的种种问题依然存在。
通义代码模式更像是二者的结合体。它能够实现类似 Claude Artifacts 的代码生成和预览功能,并且还支持 Claude 不具备的代码编辑、添加注释、转换语言等功能,可以一步到位实现小游戏、网页、数据图表等各类应用的预览和使用,所触及的人群更加广泛。
同时,为了让那些不会写指令的用户直接创建应用,通义代码模式预置了一批提前生成好的小游戏和应用,用户可以直接使用。如果需要修改,用户只需要简单改一下指令,就能生成符合自己需要的应用。
如果说,未来的人类社会不可避免地走向人机协作,那么真正的挑战不仅在于如何打造更智能的 AI,还在于如何让这种智能易于获取、直观自然,并能无缝融入现有的工作流程。
在大模型之争的上半场,大多数企业都在关注前者。如今到了下半场,关注后者的企业将变得越来越多,OpenAI、Anthropic、阿里通义都属于行动较早的那一拨。
最后,关于「为什么要招募不懂代码的用户做测试」,王晓明回答说,「不懂代码的人更关注的是能否使用 AI 生成自己需要的各类应用,比如搭建个人博客、生成贪吃蛇小游戏、编写数据图表等,甚至还有用户希望用通义来生成一个表白网站的。对于这些用户来说,更重要的是应用生成的简便程度和可用性,而不是底层的代码实现逻辑。」
从实际使用场景出发,只需要用「大白话叙述」就能构建起符合我们需要的应用,这样的工具才是真正能够提升效率的工具,能够让更多的人用起来。
因此,「通义代码模式」用户的大头可以不是程序员,可以是学生、老师、数据分析师,自媒体从业者…… 测试者自然要更贴近这些人。
听起来,这会是一场非常有趣的测试,得到的洞察也会非常丰富。
如果你也想参与测试,可以在通义 App 或者通义 PC 页面对话框输入「1024」进行预约。期待大家的测试反馈。
文章来自于微信公众号“机器之心”,作者“关注生成式AI的”
【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址:https://github.com/n8n-io/n8n
在线使用:https://n8n.io/(付费)
【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。
项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用:https://vectorvein.ai/(付费)
【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。
项目地址:https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】kimi-free-api是一个提供长文本大模型逆向API的开渔免费技术。它支持高速流式输出、智能体对话、联网搜索、长文档解读、图像OCR、多轮对话,零配置部署,多路token支持,自动清理会话痕迹等原大模型支持的相关功能。
项目地址:https://github.com/LLM-Red-Team/kimi-free-api?tab=readme-ov-file
【免费】ffa.chat是一个完全免费的GPT-4o镜像站点,无需魔法付费,即可无限制使用GPT-4o等多个海外模型产品。
在线使用:https://ffa.chat/