据报道,OpenAI正在开发一个代码托管平台,可能与微软的GitHub竞争,这将使这家AI公司与其最重要的合作伙伴之一展开直接竞争。
根据The Information的报道,在工程师们最近几个月经历了导致GitHub暂时不可用的服务中断后,该公司开始探索这一想法。
如果OpenAI将这个项目转化为商业产品,它可能会推出一种围绕生成式AI而非传统源代码管理构建的全新开发者平台。
报道称,该项目仍处于早期阶段,公司内部已讨论向现有企业客户提供这一代码存储库平台。
GitHub仍然是源代码托管和协作的主导平台,拥有超过1.8亿开发者和数亿个存储库。
这一举措也正值AI编程助手快速成为日常开发工作流程的一部分。GitHub Copilot等使用OpenAI模型的工具,以及其他生成式AI编程助手,正越来越多地集成到开发环境中,帮助编写和调试代码。
分析师表示,OpenAI的计划可能重塑开发者平台市场的竞争格局。虽然GitHub是许多人的首选,但一些开发者长期以来对其与主要云服务提供商的关系表示担忧。
来自OpenAI的新竞争者可能会吸引那些寻求围绕AI原生开发工具构建的替代平台的团队。
Omdia首席分析师Lian Jye Su表示:"虽然GitHub在开发者社区中根深蒂固且备受认可,但自2018年微软75亿美元收购以来,它一直受到严格审视。与超大规模云服务商的深度关联导致许多独立开发者迁移到GitLab和Gitea等替代平台。"
但OpenAI在代码托管市场竞争的任何努力都需要超越匹配GitHub现有功能的范围。GitHub的优势不仅在于其存储库,还在于围绕该平台构建的庞大开发者工作流生态系统和机构熟悉度。
Forrester首席分析师Biswajeet Mahapatra表示:"要撼动这一地位,OpenAI需要提供一个真正AI原生而非AI增强的平台。这意味着存储库本身成为一个活跃系统,持续了解代码库、其意图和风险,而不是文件的被动存储。"
在实践中,这可能需要AI模型在整个软件开发生命周期中的深度集成。代码、测试、拉取请求、问题和管道都可能成为AI系统的输入,这些系统能够理解架构意图、检测安全或可靠性风险,并自动推荐修复方案。
GitHub Copilot已经朝这个方向发展,但它仍主要是辅助性和用户调用的,而非系统驱动的。
Mahapatra表示:"对于企业而言,差异化还取决于控制和信任。OpenAI需要在数据隔离、模型训练边界、可审计性和合规性方面提供明确保证,在客户代码和基础模型改进之间有明确分离。没有这些,受监管的企业不会考虑转移核心知识产权。"
Mahapatra补充说,OpenAI还需要支持共存而非强制迁移,允许组织逐步采用AI原生工作流,同时在GitHub已经有效的地方继续依赖它。
Q&A
Q1:OpenAI为什么要开发GitHub竞品?
A:据报道,OpenAI开发代码托管平台的想法源于工程师们经历了GitHub服务中断导致平台暂时不可用的问题。这促使他们探索开发一个围绕生成式AI构建的全新开发者平台,而非传统的源代码管理方式。
Q2:OpenAI的代码平台与GitHub相比有什么优势?
A:分析师认为,OpenAI需要提供真正AI原生的平台才能竞争。这意味着存储库成为能持续了解代码库意图和风险的活跃系统,而非被动文件存储。平台需要深度集成AI模型,能自动理解架构意图、检测风险并推荐修复方案。
Q3:企业会选择OpenAI的代码平台吗?
A:分析师表示,企业的选择取决于控制和信任因素。OpenAI需要在数据隔离、模型训练边界、可审计性和合规性方面提供明确保证,确保客户代码与基础模型改进明确分离。同时还需支持与现有GitHub工作流的共存,而非强制迁移。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。