随着AI编程工具每月生成数十亿行代码,一个新的瓶颈正在显现:确保软件按预期工作。专注构建用于代码审查、测试和治理的AI智能体的初创公司Qodo,正押注验证技术将定义软件开发的下一个阶段。
这家总部位于纽约的初创公司已完成由Qumra Capital领投的7000万美元B轮融资,使其总融资额达到1.2亿美元。Maor Ventures、Phoenix Venture Partners、S Ventures、Square Peg、Susa Ventures、TLV Partners、Vine Ventures以及来自OpenAI的Peter Welender和Meta的Clara Shih也参与了本轮投资。
随着企业加速采用OpenClaw和Claude Code等工具,Qodo致力于作为一个专注于提高AI生成代码可信度的层级服务。许多企业发现,更快的代码输出并不一定转化为可靠或安全的软件。
虽然大多数AI审查工具关注代码的变化内容,但Qodo专注于代码变更如何影响整个系统,将组织标准、历史背景和风险承受能力纳入考量,帮助公司更自信地管理AI生成的代码。
Qodo创始人Itamar Friedman此前曾联合创办Visualead,并在阿里巴巴(收购了Visualead)领导机器视觉业务。他于2022年创立Qodo,就在ChatGPT发布前几个月。Friedman告诉TechCrunch,职业生涯中的两个关键时刻——在后来被英伟达收购的Mellanox的工作经历,以及创建Visualead的经历——激发了他创办Qodo的想法。
在Mellanox期间,他致力于使用机器学习自动化硬件验证工作,意识到"生成系统和验证系统需要截然不同的方法(不同的工具,不同的思维方式)"。后来在阿里巴巴达摩院,他见证了AI向能够基于人类语言进行推理的系统演进。到2021-2022年,就在GPT-3.5之前,他清楚地认识到AI将生成世界上很大一部分内容——特别是代码——这强化了他认为代码生成和验证需要根本不同系统的观点。
最近的一项调查显示,虽然95%的开发者不完全信任AI生成的代码,但只有48%的人在提交前始终进行审查,这突显了认知与实践之间的差距。
Friedman表示:"代码生成公司主要围绕大语言模型构建。但对于代码质量和治理,仅靠大语言模型是不够的。质量是主观的,它依赖于组织标准、过去的决策和部落知识。大语言模型无法完全理解这种背景。这就像让一家公司的优秀工程师去另一家公司审查代码——他们缺乏内部背景。"
Friedman解释说,OpenAI和Anthropic等公司正在帮助塑造更广泛的AI叙事,包括代码审查等相邻领域,但它们主要专注于构建功能而非端到端解决方案。这位CEO指出,虽然该领域还有其他初创公司,但许多仍处于早期阶段,尚未看到广泛的企业采用。
Qodo正依靠性能在拥挤的市场中脱颖而出。这家初创公司最近在Martian的代码审查基准测试中排名第一,得分64.3%——比下一个竞争对手高出10多个百分点,比Claude代码审查高出25个百分点。该基准测试突显了其在不给开发者造成噪音干扰的情况下捕捉复杂逻辑错误和跨文件问题的能力。
在过去一个月中,该公司推出了Qodo 2.0,这是一个目前在基准测试中领先的多智能体代码审查系统,并引入了学习每个组织代码质量定义的工具。
该公司已经与英伟达、沃尔玛、红帽、Intuit和德州仪器等大型企业合作,以及Monday.com和JFrog等高增长公司。
Friedman表示:"每年都有一个决定性时刻——从Copilot到ChatGPT再到完全任务自动化。现在我们正在进入一个新阶段:从无状态AI转向有状态系统——从智能转向'人工智慧'。这正是Qodo为之构建的目标。"
Q&A
Q1:Qodo是什么公司?主要做什么业务?
A:Qodo是一家专注于AI代码验证的初创公司,主要构建用于代码审查、测试和治理的AI智能体。公司致力于提高AI生成代码的可信度,帮助企业更自信地管理AI生成的代码,解决代码生成速度快但可靠性和安全性难以保证的问题。
Q2:为什么需要专门的AI代码验证系统?
A:虽然AI编程工具每月生成数十亿行代码,但调查显示95%的开发者不完全信任AI生成的代码,只有48%的人会始终审查代码。代码质量是主观的,依赖于组织标准、历史决策和内部知识,而大语言模型无法完全理解这些背景,因此需要专门的验证系统。
Q3:Qodo的技术优势体现在哪里?
A:Qodo在Martian代码审查基准测试中排名第一,得分64.3%,比下一个竞争对手高出10多个百分点。其优势在于专注代码变更如何影响整个系统,而不仅仅关注变化内容,能够捕捉复杂逻辑错误和跨文件问题,同时不给开发者造成噪音干扰。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。