Yapay zeka kodlama ajanları üzerine bugüne kadar okuduğum en ilginç verilerden biri bu oldu: daha fazla kod, otomatik olarak daha fazla yazılım demek değil.
Harvard'dan Fiona Chen ve James Stratton'ın çalışması, 2021'den Mart 2026'ya kadar 700'den fazla yazılım şirketinde 700 binin üzerinde çalışana ait verileri ve 300 milyon iş olayını incelemiş. Kodlama ajanları devreye girdikten sonra toplam kod satırı ortalama yüzde 30, commit sayısı yüzde 20, pull request sayısı yüzde 23 artmış.
Ama asıl soru şu: iş bitiyor mu? Jira gibi araçlarda takip edilen hata, görev ve özelliklerin tamamlanma oranında istatistiksel olarak anlamlı bir değişiklik görülmemiş.
Darboğaz kod incelemede. Bir pull request'in gönderilmesinden ana kod tabanına alınmasına kadar geçen süre yüzde 49 uzamış. Değişiklik istenen pull request oranı neredeyse iki katına çıkmış, pull request başına yorum sayısı yüzde 35 artmış, kod inceleyen çalışanların oranı da yüzde 14 yükselmiş. Yani yazma tarafında kazanılan hızın önemli bir kısmı inceleme ve düzeltmede geri harcanıyor.
Şirketler bunu da yapay zekayla çözmeye çalışıyor: Mart 2026 itibarıyla incelenen şirketlerin yüzde 80'i bir tür yapay zeka kod inceleme aracı kullanıyormuş. Yine de inceleme yorumlarının sadece yüzde 23,3'ü ajanlardan geliyor ve ajanlar pull request'lerin yalnızca yüzde 10,8'ine katkı veriyor; işin büyük kısmı hâlâ insanlarda. Aktif çalışan sayısında da, en azından incelenen dönemde, anlamlı bir değişiklik bulunmamış.
Verilerin Mart 2026'da bittiğini, araçların o tarihten beri geliştiğini de not etmek lazım. Ama benim çıkardığım ders net: verimlilik için sadece kod yazma süresini değil, inceleme, hata düzeltme ve entegrasyonu da hızlandırmak gerekiyor.
Ars Technica'daki haber:
https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
Çalışmanın PDF'i:
https://fion.ac/jellyfish.pdf
Kaynak: DonanımHaber
Som någon som jobbar med kod varje dag har 2025 inneburit särskilt stora förändringar för mig. AI-verktygen för programmering fyller inte längre bara i nästa kodrad, utan har börjat ta sig an uppgifter på riktigt. När jag tänker tillbaka pratade alla under första halvåret fortfarande om kodkompletteringen i Cursor och Copilot, men under andra halvåret blev specifikationsdriven utveckling plötsligt hett, och repona fylldes av Markdown-filer skrivna för agenter att läsa.
Min starkaste känsla är att programmering håller på att gå från ”människostyrt” till ”agentstyrt”. Förut förutsade AI bara nästa tecken; nu kan den ta sig hela vägen från kravanalys till kodgenerering och verifiering av resultatet. Det intressanta är att nästan alla ledande verktyg samtidigt satsar på tre former – IDE, CLI och Cloud – och till slut konvergerar alla mot agenter.
Men problemen följde med. Det som svider mest är tokenkostnaden: uppgifterna blir längre, verktygsanropen fler, kontexten matas in om och om igen och räkningen skjuter i höjden. I år är det alla pratar om inte längre ”hur man skriver en prompt”, utan ”kontextteknik” – hur man väger kvalitet, effektivitet och kostnad mot varandra och hur man höjer träffgraden i cachen.
För mig ligger 2025 års verkliga vattendelare inte i vems modell som är starkast, utan i vem som kan omvandla de tidigare outtalade begränsningarna och kunskapen i ett projekt till kontextstrukturer som modellen kan förstå och återanvända. Programmerarens värde förskjuts långsamt från att ”skriva kod” till att ”definiera regler”. Det här året har verkligen varit lite surrealistiskt.
Källa: InfoQ
Enligt IT之家 meddelade JetBrains i ett blogginlägg den 8 oktober AI-programmeringsmodellen Mellum2.1, med fokus på att stärka agentisk kodning. Som utvecklare följer jag med intresse öppna modeller som denna, som kan köras lokalt, så här sammanfattar jag de viktigaste punkterna.
Modellen behåller arkitekturen från Mellum2: det är en mixture-of-experts-modell (MoE) på 12 miljarder parametrar, där 2,5 miljarder är aktiva, och den släpps fortfarande under licensen Apache 2.0. Den största förändringen i träningen är att förstärkningsinlärningsfasen efter förträningen har vuxit från ett kort slutsteg till en central del av träningen. Data om matematik, algoritmtävlingar, naturvetenskap, verktygsanvändning och mjukvaruutveckling har lagts till, och interna miljöer för förstärkningsinlärning har byggts. Under träningen startades miljontals sandlådor i tusentals miljöer. Innan träningen sorteras uppgifter bort om de har felaktiga tester, svar som inte går att verifiera eller olämplig svårighetsgrad.
Enligt den officiella beskrivningen kan modellen utforska kodbaser, redigera filer och kontrollera sina egna ändringar. Den största förbättringen gäller agentisk kodning: den kan hitta grundorsaken till misslyckade tester, föreslå en rättning och verifiera resultatet. När det gäller hastighet är arkitekturen oförändrad, men multitokenprediktion (MTP) gör genereringen för en enskild förfrågan cirka 1,6 gånger snabbare. Jämfört med Mellum2, Qwen3.5-9B och Gemma 4 E4B under samma utvärderingsvillkor ligger Mellum2.1:s utdatagenomströmning på en enda H200 under hög belastning nära det dubbla av Qwen3.5-9B.
Modellen finns på Hugging Face och kan driftsättas lokalt eller på egen infrastruktur, så att företag kan behålla sin kod och data i sin egen miljö. Planer finns på GGUF-versioner för llama.cpp, Ollama och LM Studio samt en MTP-komponent för spekulativ avkodning i vLLM.
Jag ser fram emot GGUF-versionen, eftersom vanliga utvecklare då kan prova den på sina egna datorer. Vad är viktigast för dig i en kodmodell: noggrannhet eller driftskostnad?
Källa: IT之家
Genom en artikel på ITmedia NEWS fick jag veta att Google har presenterat en experimentell spelplattform som heter "Playground". Tillkännagivandet gjordes den 7 oktober 2026, amerikansk tid, och sedan samma dag finns den i webbläsaren för användare i USA som är 18 år eller äldre.
Användningen går ut på att skriva textinstruktioner. Man kan börja från ett tomt läge, redigera en färdig startprompt eller använda guidat stöd, och det skapade spelet kan testas direkt. Ändringar i fysik, regler, karaktärer och miljö tillämpas när man beskriver dem med ord. Enligt artikeln krävs ingen kodningserfarenhet, men vilken AI-modell som används redovisas inte.
Det går också att dela. Eftersom tjänsten är webbaserad kan man spela på både smarttelefon och dator. Man kan skicka en delningslänk till vänner och familj, publicera spelet i galleriet "Explore" eller hålla det privat. Vissa genrer stöder poänglistor och flerspelarläge, och publicerade spel granskas med avseende på säkerhet enligt Googles riktlinjer för gemenskapen. Funktionen för spelskapande rullas ut i etapper beroende på Google One-medlemskap.
Den andra annonseringen gäller ett samarbete med Unity. De två företagen planerar att under 2026 lansera en ny produkt, "Unity Spark", som ska ge Playground fullständiga spelmekaniker, högkvalitativ 3D och Unitys flexibla runtime. Den ska dessutom kopplas direkt till Unity Asset Store. Produkten testas just nu och en sluten beta väntas snart. Unitys vd påpekade att ungefär 3 miljarder människor per månad spelar spel gjorda med Unity, men att många av dem aldrig har gjort ett spel själva.
Personligen tycker jag att det kan vara en intressant ingång till programmering att dela och spela spel som skapats med prompter. Hur ser ni på verktyg som detta?
Källa: ITmedia NEWS
Next har skrivit om Pi, en harness med öppen källkod som precis har nått version 1.0.0. För den som inte känner till begreppet: en harness är mjukvarulagret runt en AI-modell som gör att modellen kan läsa filer, köra kommandon eller söka på internet.
Pi strävar efter att vara minimalistisk men utbyggbar. Det är kompatibelt med fler än 1 500 modeller och varianter, både kommersiella och modeller med öppna vikter som kan köras lokalt, och presenteras som ett alternativ till Claude Code och Codex som inte är beroende av Anthropics eller OpenAIs modeller. Utvecklare ser steget till 1.0 som ett tecken på mognad.
Artikeln tar också upp nya funktioner: MCP-kopplingar, ett ”codemode” och stöd för ChatGPT. Pi Durable beskrivs som något som tål katastrofala interna och externa fel.
Jag bör påpeka att ungefär 80 % av texten är reserverad för prenumeranter, så jag håller mig till det som går att läsa offentligt. I kommentarerna jämför flera läsare Pi med OpenCode: en tycker att det är mycket lättviktigt men svårare att konfigurera, särskilt för MCP, en annan pekar på varianten Oh-My-Pi. Skribenten har dessutom utlovat en artikel om installation och användning.
Det som intresserar mig är tanken att skilja harnessen från modellen: man kan byta modell utan att byta verktyg. Det återstår att se om Pis enkelhet håller när användningen blir mer komplex. Och ni, vilken harness använder ni dagligen när ni programmerar med AI?
Källa: Next
Xataka berättar en historia som blandar programmering, AI och en hel del kontroverser. Fram till för några dagar sedan var ArtCraft en plattform för att generera bilder och video med AI. Teammedlemmen Brandon Thomas meddelade att han med vibe coding hade skapat öppen källkod som ersätter sju Adobe-program, skrivna i Rust: PhotoCraft (Photoshop), VectorCraft (Illustrator), FilmCraft (Premiere Pro), LightCraft (Lightroom), PdfCraft (Acrobat), EffectCraft (After Effects) och DesignCraft (InDesign).
De distribueras för Windows, macOS och Linux och kan också användas från ArtCraft. Artikeln påpekar att Adobe aldrig har erbjudit professionella kreativa verktyg för Linux, så den luckan är inte liten.
En kollega till skribenten testade PhotoCraft under några dagar: de grundläggande funktionerna fungerar, det finns inga spår av Photoshops AI-verktyg, och programmet tar mycket liten plats. Ändå ersätter det inte originalet än. Skaparna själva erkänner att det är i ett mycket tidigt alfastadium: ungefär tjugo AI- och generativa verktyg saknas, liksom djup i typografi och professionella arbetsflöden, och kompatibilitet med plugin-program.
Enligt skaparna är metoden clean-room: de utgår från offentliga specifikationer och programmens observerbara beteende, utan proprietär kod eller resurser. PhotoCraft kan öppna PSD-filer eftersom Adobe har publicerat de specifikationerna. På nätet cirkulerar en obevisad misstanke om att Adobes program har dekompilerats.
Xataka påminner också om vibe codings problem: AI-genererad kod kan vara svår att felsöka och innehålla sådant en mänsklig programmerare aldrig skulle skriva, vilket är mindre allvarligt i personliga appar än i stora projekt. Jag tycker det är en bra varning. Som gratisalternativ nämner skribenten Affinity, GIMP och DaVinci Resolve. Skulle du lita på en app som genererats på det här sättet?
Källa: Xataka
Jag läste en analys av Simon Bisson i Computer Sweden om att Microsoft nu har uppgraderat Rust till intern Tier-1-status, samma nivå som C#, TypeScript och C. Statusen kräver bland annat en full verktygskedja och integration med Windows och Azure.
Bakgrunden är att Azures teknikchef Mark Russinovich har lyft Rusts minnessäkerhet som en viktig del av Microsofts säkerhetsstrategi, och Microsoft var dessutom en av grundarna av Rust Foundation. Ett gästinlägg på Rust Foundations webbplats beskriver hur Rust kopplas till Microsoft Visual C (MSVC) för att få sömlös interoperabilitet mellan språken.
Det mest konkreta är en ny backend till Rusts kompilator, rustc_codegen_utc. Den använder Visual C:s backend, en DLL som heter C2.DLL, och levererar .OBJ-filer till MSVC-länkaren. Fördelen är att Rust kan dra nytta av Microsofts befintliga säkerhets- och stabilitetsarbete, och att Rust- och C-kod blir kompatibla. Microsoft kallar den klar för produktion och säger att över hundra interna Rust-projekt använder den. Den finns dock bara internt, och bolaget har antytt att verktygen kan bli öppen källkod men ger ingen tidplan.
För oss utanför Microsoft är läget mer jordnära: Rust-stöd i VS Code går via rust-analyzer, man behöver fortfarande MSVC C Build Tools för att bygga, och Microsofts Windows-crate ger direkt åtkomst till Windows-API:er. Artikelns råd är att börja med de verktyg som redan finns för att lära sig Windows-utveckling i Rust.
Personligen tycker jag det är intressant att se ett så stort företag lägga resurser på att slippa underhålla två separata kompilatorteam. Vad använder ni Rust till?
Källa: Computer Sweden
På Computable läste jag en sammanfattning av Linux Foundations rapport «2026 State of Open Source in Europe», den femte upplagan, som presenterades på Open Source Summit Europe i Prag. Huvudbudskapet är tydligt: att bara använda öppen källkod ger inte kontroll. Man måste också bidra och vara med och styra.
Siffrorna visar var det skaver. För 94 procent av de europeiska organisationerna är digital suveränitet viktig för teknikstrategin, och för 61 procent är den mycket viktig. Europeiska utvecklare står för nästan 40 procent av bidragen till infrastrukturprojekt som Kubernetes och OpenStack, men många organisationer nöjer sig med att använda dem. Och 31 procent saknar ett formellt ramverk för förvaltning av öppen källkod. De som har ett rapporterar att de får tillbaka mer än fyra gånger investeringen, jämfört med 3,6 gånger för dem utan.
AI-kodverktyg tas också upp: 94 procent använder eller testar generativa AI-kodverktyg, tre av fyra anser att de ökar värdet av öppen källkod, och 48 procent använder därför mer öppen källkod. Nästan hälften underhåller interna forkar, vilket i genomsnitt kostar 311 timmar för 9,5 forkar per releasecykel.
Det som slår mig är att toppen i Agentic AI Foundation främst består av amerikanska företag, som AWS, Anthropic, Google, Microsoft och OpenAI. På Gold-nivån finns bara Suse och Ericsson från Europa. Samtidigt arbetar EU-kommissionen med ett paket för teknisk suveränitet på ungefär 2 miljarder euro.
Thierry Carrez från Linux Foundation Europe menar att öppen källkod hjälper till att bli mindre beroende, men bara med aktivt deltagande i öppna styrningsstrukturer. Som utvecklare håller jag med: en pull request har ibland mer inflytande än ett policydokument. Hur är det hos er?
Källa: Computable
Richard Speed på The Register skriver om ArtCraft, ett företag som lagt till alternativ till Word, Excel och PowerPoint i sin samling av Rust-applikationer. Företaget kallar dem clean room-omimplementationer av proprietär programvara, och utvecklingen bygger starkt på Claude. Företagets GitHub-förråd innehåller också projekt inspirerade av Photoshop, Illustrator och Premiere Pro.
Recensenten körde WordCraft, alternativet till Word, på en Surface med Arm-processor och tyckte att det fungerade bra. Det liknar Word, men knappar, ikoner och bilder skiljer sig. Projektet är pre-alpha, ArtCraft uppskattar funktionsparitet med Word till 62 procent, och recensenten avråder från produktionsbruk. Färdplanen erkänner att kompatibilitetstester mot riktiga DOCX-filer ännu inte har börjat, och att diagram, SmartArt och inbäddade OLE-objekt har tagits bort.
När det gäller licensen är WordCraft dubbellicensierad under MIT eller Apache 2.0. Stavningsordboken och avstavningen använder Grady Wards ordlista Moby Hyphenator II, som är allmän egendom. ArtCraft säger att allt byggts på offentliga specifikationer och observationer, med egna eller öppet licensierade resurser. The Document Foundation, som utvecklar LibreOffice, avstod från att kommentera, Microsoft bekräftade förfrågan utan ytterligare svar, och Adobe kommenterade inte projekten för kreativa appar.
Neil Brown på decoded.legal berättade för tidningen att den juridiska ställningen beror på jurisdiktionen, att utvecklarna kan hävda att deras självständiga implementation inte gör intrång, men att en tvist i dessa frågor mycket väl kan hamna i domstol.
Det som är intressant för mig är inte påståendet i sig utan hastigheten: ett litet team som använder ett AI-kodverktyg kan publicera en igenkännbar kontorssvit, ofärdig men tillräckligt användbar för att testas. De öppna frågorna gäller kvalitet, underhåll och den juridiska sidan. Jag skulle gärna höra hur andra som skriver kod med AI-assistenter tänker kring clean room-påståenden.
Källa: The Register
På teknikportalen läste jag att OpenAI har presenterat en ny ChatGPT-funktion som heter "Intelligent UI", i samband med lanseringen av GPT-6-modellerna. Poängen är att ett svar inte längre bara är text: det kan kombinera text med interaktiva visuella element inne i själva samtalet.
De stödda elementen omfattar illustrationer, diagram, grafer, formulär och interaktiva knappar. Enligt artikeln, som citerar OpenAI:s blogg, har GPT-6 tränats att avgöra när ett interaktivt element är bättre än text, och hur det ska placeras i svaret.
Bland exemplen nämns en illustration av en cykel med sju växlar där knappar låter användaren välja delar och se information om dem, mahjongbrickor grupperade i rullbara set, och små verktyg som en kalkylator för pensionssparande eller ett verktyg för att dela räkningar mellan flera personer. När det gäller modellerna finns GPT-6 Sol för abonnenter på högre nivåer, medan Go-abonnenter och gratisanvändare får Luna, den mer effektiva varianten. Artikeln nämner också bättre webbsökning, snabbare delsvar medan information samlas in, och ett starkare motstånd mot försök att kringgå säkerhetsträningen.
Jag tycker att det här steget är viktigt för utvecklare, eftersom det för chatten närmare en liten app som byggs på begäran. Den öppna frågan är om knappar verkligen hjälper oss mer än en väl skriven text. Jag skulle gärna höra era åsikter.
Källa: Teknikportalen
Efter fem år rör sig Bootstrap äntligen igen: medgrundaren Mark Otto har annonserat den första alfaversionen av Bootstrap 6, rapporterar heise developer. Jag tycker det är spännande, eftersom ramverket kommer från Twitter-miljön och har varit öppen källkod sedan 2011.
Siffrorna visar hur stort Bootstrap har blivit: enligt projektet över 1,75 miljarder installationer. Samtidigt minskar marknadsandelen. Enligt W3Techs använde 13,8 procent av alla webbplatser Bootstrap i början av augusti 2026, jämfört med 15,3 procent i december 2025. Tailwind CSS vinner mark i nya projekt.
Teamet siktar på moderna webbläsare: Chrome och Edge från version 130, Firefox från 132 och Safari från 18. För det använder Bootstrap 6 funktioner som automatisk växling mellan ljust och mörkt läge, inbyggda dialogrutor och layouter som riktar sig efter omgivande element i stället för fönstret. Färger, avstånd och hörnradier kan till stor del styras med CSS-variabler, även under körning. Klassnamnen närmar sig Tailwind: .d-md-none blir .md:d-none och .col-lg-6 blir .lg:col-6. Accordeoner fungerar utan JavaScript.
Särskilt märkligt tycker jag att AI-delen är: dokumentationen finns som llms.txt och llms-full.txt, och i förvaret finns skillfiler som ska hjälpa AI-agenter, till exempel vid migrering.
Enligt artikeln går det inte bara att byta befintliga sidor. Bootstrap 5 får fortsatt stöd tills vidare, och före supportens slut kommer en uppdatering till 5.4.0. Version 7 väntas komma betydligt snabbare. Vem av er använder fortfarande Bootstrap, och vem har redan gått över till något annat?
Källa: heise online
Den här veckan fastnade jag för en nyhet från XYZ: Wrocławs tekniska universitet och Nedre Schlesiens centrum för onkologi, pulmonologi och hematologi bygger en AI-plattform för hälso- och sjukvården. Inte ännu en chattbot, utan en grundmodell som kopplar ihop journaler, labbresultat, bilder och behandlingsförlopp.
De börjar med lungcancer – DCOPiH tar emot över 1,4 tusen nya patienter per år och har väldokumenterade data. Systemet ska se till att dokumentationen är komplett före den multidisciplinära konferensen, peka ut luckor och se till att ingen patient ”faller mellan stolarna” mellan undersökningarna. Läkaren fattar fortfarande besluten; AI:n ska ge hen mer tid hos patienten, inte tänka i hens ställe.
Tekniskt sett är jag nyfiken på federerad inlärning: data stannar på sjukhuset och bara träningsresultaten skickas till den gemensamma modellen. Grunden ska vara erfarenheterna från den polska modellen PLLuM, men med riktigt medicinskt språk och multimodalitet.
Den första prototypen kommer inom de närmaste månaderna. Om projektet sprider sig utanför Nedre Schlesien kan det bli ett av de viktigare polska AI-projekten, värt att prata om utan marknadsföringsbrus.
Källa: XYZ
