A The Decoder beszámolója szerint a Databricks a kínai fejlesztésű, nyílt GLM 5.2 modellt teszi alapértelmezett kódoló motorává több belső feladatnál, miután a saját, több millió soros kódbázisán mért eredmények alapján a modell az Anthropic Opus 4.8 szintjét hozta, alacsonyabb költség mellett.
Nem a nyilvános toplista döntött
A Databricks példája azért érdekes, mert nem egy általános benchmark alapján választott modellt. A cég a saját kódbázisán, saját feladatain nézte meg, mit tudnak a kódoló agentek. Ez sokkal beszédesebb, mint egy nyilvános rangsor, mert a valódi munka ritkán hasonlít tökéletesen a tesztfeladatokra.
A The Decoder által idézett számok szerint a GLM 5.2 feladatonként 1,28 dollár körüli költséggel dolgozott, míg az Opus 4.8 ugyanezen a mérésen 1,94 dollár körül volt. Ez nem filléres különbség, ha a cég naponta sok ezer kódolási feladatot futtat.
A nyílt modellek itt kezdenek igazán kellemetlenek lenni
A GLM 5.2 nem attól izgalmas, hogy hirtelen mindenben jobb lenne a zárt nagy modelleknél. A fontosabb állítás inkább az, hogy egy konkrét céges kódolási munkafolyamatban elég jó, és közben olcsóbb. Sok vállalatnak pontosan ez számít: nem az, hogy ki nyeri a demót, hanem hogy melyik modell hozza a munkát stabilan, elfogadható áron.
Ez a gondolkodás közelebb áll a valódi céges AI-használathoz. Egy modell lehet gyengébb általános beszélgetésben, de erős egy szűk, jól mérhető munkában. A kódolás pont ilyen terület: vannak tesztek, buildhibák, review-szempontok és konkrét költségek.
A tanulság: saját benchmark nélkül vakrepülés
A Databricks szélesebb üzenete elég józan: nincs egyetlen szolgáltató, amely mindenben dominál. A cégeknek saját méréseket kell építeniük, mert a modellválasztás lassan ugyanúgy üzemeltetési kérdés lesz, mint a felhőszolgáltató vagy az adatbázis kiválasztása.
Ez a felhasználói oldalról is látszani fog. Az AI-kódolás nem egyetlen varázsgomb lesz, hanem sok különböző modell, eltérő árral és eltérő feladatra hangolva. A Databricks most pont ezt mutatja meg egy elég nagy céges példán keresztül.
