Как модель проверяет свой код?

В изолированной песочнице она компилирует несколько кандидатов и прогоняет ваш набор тестов. В ответ попадает лучший из прошедших кандидатов вместе со списком тестов, которые он прошёл.

Уходит ли наш код к внешнему провайдеру?

Нет. Модель разворачивается на вашем железе рядом с репозиторием — на собственных серверах, в частном облаке или в изолированном контуре. Облака поставщика в цепочке запроса нет, телеметрия не отправляется.

Сколько кода модель учитывает за один запрос?

До 64K токенов — этого хватает на окружающий модуль и его тесты. Чем полнее контекст, тем точнее результат совпадает с вашими соглашениями.

Можно ли дообучить модель на нашем коде?

Да, методом LoRA на ваших данных. Задания на дообучение входят в редакцию Enterprise; обычно хватает нескольких сотен примеров из вашего процесса.

Какое железо нужно?

Одна GPU с 48 ГБ видеопамяти — класс L40S или A6000. Перед пилотом сверяем сайзинг с вашей нагрузкой.

МОДЕЛЬ 03 · ГЕНЕРАЦИЯ КОДА

МАЙПЛ Код

Код, который компилируется, — с тестами в придачу

Модель генерирует код и до ответа проверяет, что он компилируется и проходит ваши тесты. Каждый ответ приходит вместе с тестами, которые он прошёл, — на Python, TypeScript, Go или Rust. Работает рядом с вашим репозиторием и на вашем железе, поэтому проприетарный код остаётся на месте.

языка: Python, TypeScript, Go, Rust

64K

токенов контекста — модуль и его тесты

380 мс

медианная задержка

1× 48 ГБ

GPU класса L40S или A6000

Задача модели

Написать изменение в коде так, чтобы оно компилировалось и проходило ваш набор тестов, и вернуть его вместе с доказательством — списком пройденных тестов.

На входе

Задача на изменение и файлы вокруг него — модуль целиком, а не фрагмент
Ваш набор тестов
До 64K токенов контекста за запрос

На выходе

Лучший из кандидатов, прошедших компиляцию и тесты в песочнице
Список тестов, которые прошёл ответ
Код в стиле соседних файлов модуля

Одна задача — сделанная по спецификации

Всё ниже модель делает сама: без обёрток, без циклов повторных запросов и без обращения к модели побольше, когда застряла.

Компилирует до ответа

Изолированная песочница компилирует кандидатов и прогоняет ваш набор тестов. Возвращается лучший кандидат из прошедших, а не первое, что сгенерировалось.

Python, TypeScript, Go, Rust

Обучена на четырёх языках, а не на восьмидесяти. Глубина вместо охвата: идиоматичный код в тех стеках, на которых реально работают продакшен-команды.

Тесты в каждом ответе

Каждый ответ несёт тесты, которые прошёл, — ревью начинается с доказательств, а не с диффа и надежды.

Контекст репозитория

64K токенов вмещают файлы вокруг изменения. Передайте модуль, а не фрагмент, — и результат совпадёт с вашими соглашениями.

Характеристики

Цифры, которые нужны для планирования мощностей. Перед пилотом сайзинг сверяется с вашим трафиком, и показатели записываются в соглашение.

Языки: Python, TypeScript, Go, Rust
Другие языки не заявлены.
Контекст: 64K токенов
Хватает на окружающий модуль и его тесты в одном запросе.
Задержка: 380 мс, медиана
Медиана, batch 1, эталонное развёртывание на одной GPU. Замер разработчика — встроенный стенд воспроизводит его на вашем железе.
Железо: 1× GPU 48 ГБ
Класс L40S или A6000. Сайзинг проверяем до пилота.
Интерфейс: OpenAI-совместимый REST
Обслуживается vLLM. Код, написанный под OpenAI-клиент, подключается без переписывания.
Развёртывание: Docker Compose или Helm
Ваши серверы, частное облако (VPC) или изолированный контур без интернета.
Дообучение: LoRA на ваших данных
Задания на дообучение входят в редакцию Enterprise. Обычно хватает нескольких сотен размеченных примеров из вашего процесса.
Оплата: Годовая лицензия
Без оплаты за токены, запросы и рабочие места. Размер лицензии зависит от масштаба развёртывания.

Где применяется

Сценарии для команд, которым нельзя отправлять исходный код внешнему провайдеру.

Разработка в закрытом контуре

Банки, промышленность, госсектор и компании с режимом коммерческой тайны: код не должен покидать инфраструктуру. Модель работает рядом с репозиторием, без обращений наружу.

Инференс на своей GPU, телеметрии нет
Можно развернуть в изолированной сети
Проприетарный код остаётся внутри

Рутинные изменения в модулях

Типовые доработки, новые обработчики, адаптеры к API — модель пишет изменение с учётом соседних файлов и сразу проверяет его вашими тестами.

Контекст 64K — модуль целиком
Результат в стиле вашего кода
Только прошедший тесты кандидат

Ревью по доказательствам

Ревьюер получает не просто дифф, а список тестов, которые изменение прошло. Меньше времени на проверку очевидного — больше на архитектуру.

Тесты прикладываются к каждому ответу
Компиляция проверена до ревью
Понятная точка входа для проверки

Пример запроса и ответа

Иллюстрация формата. Имя модели и структура поля с тестами условные — точный контракт фиксируется на пилоте.

Запрос

{
  "model": "maipl-code",
  "messages": [
    { "role": "system", "content": "Язык: Go. Тесты: ./billing/..." },
    { "role": "user", "content": "Добавь в billing.Round округление до копеек по банковскому правилу" }
  ]
}

Ответ модели

{
  "language": "go",
  "patch": "--- a/billing/round.go\n+++ b/billing/round.go\n...",
  "compiled": true,
  "tests_passed": [
    "TestRoundHalfEven",
    "TestRoundNegative",
    "TestRoundZero"
  ]
}

От первого звонка до промышленной эксплуатации

Три шага без переписывания вашего кода. В конце веса модели остаются у вас.

Звонок-знакомство
30 минут
Без слайдов: задача, формат данных и требования безопасности. Если эта модель вам не подходит — скажем прямо на звонке.
Пилот в вашем контуре
по плану пилота
Контейнер разворачивается на тестовом стенде в вашем VPC или на собственных серверах — на том же стеке, что Люмен и Notetaker. Стенд оценки прогоняет модель на ваших данных, цифры попадают в пилотное соглашение.
Промышленный запуск
90 дней сопровождения
Runbook, обучение операторов и 90 дней сопровождения. После этого модель эксплуатируете вы, без зависимости от поставщика.