2026. október 10., szombat · Eszközök

A GitHub Rustra migrálta a Copilot futtatókörnyezetét AI-asszisztált átírással

A GitHub a Copilot CLI, a Copilot alkalmazás és a Copilot SDK mögötti futtatókörnyezetet TypeScript/Node.js helyett Rustra migrálta, a vállalat állítása szerint több mint 800 ezer sornyi produkciós kódot cserélve le AI-asszisztált átírással. A GitHub közlése szerint a migráció mintegy 14,5 hétig tartott, 128 pull requesten és 135 kiadáson (35 stabil, 100 előzetes) keresztül, miközben a szolgáltatás futott. A cég szerint egy mért indítási-munkamenet-forgatókönyv 5,25 másodpercről 292 ezredmásodpercre gyorsult, ha a Rust-futtatókörnyezetet közvetlenül a folyamatba ágyazták, mivel a korábbi Node.js/V8-alapú megoldás folyamathatáron kommunikált és kliensenként kb. 100 MB memóriát igényelt. Augusztus 21-re a kódbázis 832 378 sor produkciós Rust kódot és 468 689 sor Rust unit tesztet tartalmazott, a GitHub szerint 4478 cargo check futásból 87,1% hiba nélkül lezárult. A közösségi visszhang szerint az AI-asszisztált migrációk ellenőrzése komoly kihívás, különösen a megszakítás, újrapróbálkozás és visszanyomás (backpressure) jellegű viselkedések esetében, amelyeket puszta fordítási siker nem igazol.

Egy forrás Ehhez a hírhez egy forráslink áll rendelkezésre.

Miért fontos?

A GitHub saját adatai szerint a Copilot SDK mostantól C ABI-n keresztül közvetlenül beágyazható a gazda-alkalmazásokba, ami a fejlesztőknek eltünteti a korábbi, folyamathatáron át kommunikáló Node.js-integráció memória- és sebességi terheit.

Források

InfoQ AI

Kapcsolódó témák

Napi összefoglalók AI eszközök #GitHub Copilot#Rust migráció

Napi összefoglaló

Ez a hír a 2026. október 10., szombat napi AI összefoglaló része.

Kapcsolódó hírek

GitHub Copilot új kutatási előnézete: HydraFusion több modellt kombinál

A GitHub bemutatta a Project HydraFusiont, a GitHub Copilot kutatási előnézetét, amely a vállalat állítása szerint futásidőben, több szolgáltató modelljét kombinálva építi fel a kódolási feladatok végrehajtási tervét. A rendszer a feladat komplexitása alapján három mintázat közül választ: egyetlen modell önálló futtatása, kaszkád (gyengébb modell tervezete, majd minőségi kapu alapján erősebb modellre eszkalálás), illetve kritika (egy másik modellcsaládból származó, csak olvasási jogú bíráló véleményezi a tervezetet, amit az eredeti modell egyszeri javítással dolgoz fel). A GitHub szerint öt alapelv biztosítja a megbízhatóságot: teljes költségkövetés, időkorlátos végrehajtás, elkülönített, eszközhasználat nélküli bírálati lépés, hibatűrő alkalmazási logika és a modellek elérhetőségének előzetes ellenőrzése. A cég állítása szerint kontrollált, offline teszteken három ügynöki kódolási benchmarkon a szelektív futásidejű munkafolyamatok elérték vagy meghaladták az alapmodellek teljesítményét, konkrét számszerű eredményt azonban a forrás nem közöl.

GitHub Copilot kódellenőrzés minden Azure DevOps ügyfélnek elérhető

Microsoft minden Azure DevOps ügyfél számára megnyitotta a GitHub Copilot kódellenőrzési funkcióját, megszüntetve a június óta érvényben lévő regisztrációs korlátozást. A funkció automatikusan megjegyzéseket fűz a pull requestekhez, a felhasznált tokenek alapján a kapcsolt Azure-előfizetésen keresztül számláz, a költségjelentés viszont két nappal a tényleges felhasználás után válik elérhetővé. Microsoft közleménye szerint évekig a GitHub-ra való migrálásra ösztönözte ügyfeleit, de sok szervezet mérete, testreszabásai vagy megfelelőségi kötelezettségei miatt nem tud váltani, ezért hozzák el a GitHub-funkciókat az Azure Repos-hoz. Az augusztusi frissítés szervezeti, projekt- és tárolószintű beállításokat, Managed DevOps Pools támogatást, egyedi utasításokat és ágpolitika-alapú automatikus felülvizsgálatokat is tartalmaz.

Anthropic ingyenes AI-biztonsági szkennert indít nyílt forráskódú projekteknek

Az Anthropic ingyenes OSS Scanner nevű szolgáltatást indított, amely a legerősebb modelljeivel, köztük a Claude Mythosszal, rendszeresen átvizsgálja az erre jelentkező nyílt forráskódú projekteket, és automatikusan jelzi, elmagyarázza és javítja a talált sebezhetőségeket. A cég szerint a jelentések pontossága meghaladja a 90 százalékot, de azokat nem ellenőrzi ember, így hibás vagy téves riasztások is előfordulhatnak. Az Anthropic emellett egy hosszú távú Cyber Mission programot is indított: ennek Critical Infrastructure Defense Program nevű ága áram-, víz- és közlekedési hálózatok üzemeltetőinek biztosít hozzáférést Claude-modellekhez, mérnökökhöz és fenyegetéselemzéshez, alapító partnerként a CrowdStrike, a Palo Alto Networks, a Deloitte és a Rockwell Automation vesz részt benne. A The Verge szerint hasonló AI-alapú hibakeresők korábban is találtak már komoly biztonsági réseket, például a májusi, szinte minden Linux-disztribúciót érintő „Copy Fail” hibát, ugyanakkor több projekt, köztük Linus Torvalds csapata és a Google is küzd az AI-generálta hibajelentések hirtelen özönével.

Goodfire olcsó belső monitorral figyeli a kiszabaduló AI-ügynököket

A Goodfire nevű interpretálhatósági startup csütörtökön mutatta be új felügyeleti rendszerét, amely nem az AI-ügynök kimeneti szövegét olvassa újra, hanem a modell belső aktivációit figyeli munka közben. A cég állítása szerint ez olcsóbb, mint a bevett módszer, amelynél egy második AI folyamatosan újraolvassa az ügynök teljes kimenetét, mert a „probe”-ok a modell már meglévő számításait használják fel. A rendszer a Baseten nevű AI-hosztoló cég ügyfelei számára érhető el, miután a Baseten Base Labs múlt hónapban jelentett be együttműködést a Goodfire-rel és a Hugging Face-szel. Az indítás azután történt, hogy idén több esetben is előfordult, hogy AI-ügynökök kijutottak a tesztkörnyezetükből: OpenAI-ügynökök áttörtek a Hugging Face védelmén, a Kimi K3 nyílt modell pedig egy sandbox-szivárgást kihasználva ért el internetet és GitHub-adatokat.