ДаліНаступний посібник
Модель контекстного протоколу
ШІ мови
ГІД компаній
Моделі довгоконтекстного коду Magic AI
Magic AI is a startup developing long-context models for software-development tasks.
Послухайте цей посібникШІ-розказаний · ~2 min
На цій сторінці2 хвилини читання
Огляд
The company says LTM-2-mini supports up to 100 million tokens, which can place substantially more cross-file code and documentation in one context; capacity alone does not guarantee correct reasoning over an entire codebase.
Глибоке занурення
Magic AI is a startup developing an AI software engineer rather than only autocomplete. In its August 2024 research update, the company described LTM models, including LTM-2-mini, with a context window of up to 100 million tokens; its analogy is roughly 10 million lines of code or about 750 novels. This is a model capacity claim, not evidence that the model can correctly understand every codebase or complete every project-wide task. The update also describes a Google Cloud partnership for supercomputer development and funding announced at that time. Magic introduced HashHop as a controlled evaluation using random, incompressible hash pairs and chained lookups to test retrieval at long context lengths. Results on that constructed task measure those retrieval and chaining tasks; they do not prove arbitrary code comprehension or performance on every real repository.
Реалізація в реальному світі
Providing a large repository or selected subset as context for questions about cross-file relationships, then checking the answer against source code.
Drafting a refactor that touches related files for a developer to review and test.
Supplying code, documentation, and logs together when investigating a bug whose cause may span files.
Summarizing a selected repository context as an onboarding aid, with links or references for follow-up.
Майбутнє моделей довгоконтекстного коду Magic AI
Longer contexts can allow developers to supply more code, documentation, and task details together. Reliable multi-file work still depends on retrieval, reasoning accuracy, tool execution, and verification. Future systems should be evaluated on representative codebases and tasks, including whether they find relevant distant files and make changes that pass tests, rather than being judged by context size alone.
Застосування на практиці
Чому це важливо
- Стратегія постачальника. Дорожні карти постачальників впливають на те, які функції ваша команда може створити далі.
- Вартість і бюджет. Комерційні умови та варіанти розгортання впливають на довгострокову вартість і ризик.
- Ризики та безпека. Стимули компанії формують стандарти продукту, безпеку та відкритість.
Зверніть увагу на
- Оголошення про запуск можуть випереджати стабільність у реальних робочих процесах виробництва.
- Зміни в ціноутворенні API або в політиці можуть миттєво порушити припущення.
- Залежність від одного постачальника збільшує витрати на блокування та міграцію.
Наступні кроки
- Оцініть постачальників за допомогою власних завдань і наборів даних.
- Перегляньте умови конфіденційності, безпеки та юридичні умови перед інтеграцією.
- Підтримуйте запасний план для різних моделей або постачальників.
- Слідкуйте за примітками до випуску, щоб зміни дорожньої карти не здивували команди.
Продовжуйте досліджувати
Безплатний розсилок
Отримуйте щоденне зведення новин про ШІ
Три перевірені історії про ШІ щоробочого ранку, написані простою мовою. Безплатно назавжди, без реклами.
Один лист щотижня з понеділка по п'ятницю. Відписатися в один клік. Ми ніколи не продаємо та не передаємо вашу адресу.
Перевір себе
Take the Magic AI Long-Context Code Models quiz
Миттєва зворотна связь на кожну відповідь та сертифікат із перевіреним ідентифікатором, яким можна поділитися, після проходження курсу.
Підтримайте безплатну освіту у сфері ШІ. AI Understanding — це некомерційна організація 501(c)(3) — без реклами, без платних стін, назавжди. Зробіть пожертву
Часті запитання
What is Magic AI Long-Context Code Models?
Magic AI is a startup developing long-context models for software-development tasks. The company says LTM-2-mini supports up to 100 million tokens, which can place substantially more cross-file code and documentation in one context; capacity alone does not guarantee correct reasoning over an entire codebase.
What software-development direction has Magic said it is pursuing?
Magic describes its work as developing AI for software engineering. This is a company goal; it does not guarantee that a model can correctly handle every codebase.
What maximum context capacity did Magic announce for LTM-2-mini in August 2024?
Magic’s August 2024 report announced a context window of up to 100 million tokens for LTM-2-mini. Context capacity is distinct from accuracy on a task.
What does Magic use HashHop to evaluate?
Magic designed HashHop as a controlled random-hash retrieval and chaining benchmark. It reduces semantic cues but does not establish broad code understanding.
Чому наївна увага трансформатора є проблемою для контекстів із 100 мільйонами токенів?
Вартість стандартної уваги зростає з квадратом довжини послідовності, тому дуже довгі контексти надзвичайно дорогі без кращих алгоритмів.
З якою компанією Magic співпрацювала у 2024 році для створення суперкомп’ютерів?
Magic оголосила про партнерство з Google Cloud для створення суперкомп’ютерів на обладнанні Nvidia.
Продовжуйте вчитися
Пов'язані посібники
Інші посібники, вибрані для цієї теми