Who’s Devin: The World’s First AI Software Engineer
В марте 2024 года Cognition AI представила Devin — «первого в мире ИИ-инженера-программиста» на базе GPT-4, способного автономно писать код, отлаживать его и развёртывать ПО. Однако канал Internet of Bugs обнаружил серьёзные изъяны в промо-демонстрации: задача с Upwork по настройке инференса моделей в EC2-инстансе на AWS была передана Devin лишь частично, и ИИ не смог её выполнить. ML-инженер Devansh указал, что задача была «вишенкой на торте», а найденный Devin баг он создал сам. Там, где человек справляется за 30 минут, Devin тратил часы. При этом сильные стороны Devin — ускорение задач до 80%, автономное исправление багов и интеграция с GitHub — остаются. Статья позиционирует Voiceflow как более универсальную no-code альтернативу для создания ИИ-агентов в разных отделах бизнеса.
In March 2024, Cognition AI made waves by unveiling Devin, which it dubbed the "world’s first AI software engineer." Powered by OpenAI’s GPT-4 foundation model, Devin was designed to autonomously tackle complex engineering tasks—from coding and debugging to software deployment. The promise was bold: Devin would change the landscape of software development, offering businesses an AI-driven alternative to human engineers.
В марте 2024 года Cognition AI наделала шума, представив Devin — то, что компания назвала «первым в мире ИИ-инженером-программистом». Построенный на базовой модели GPT-4 от OpenAI, Devin был спроектирован для автономного решения сложных инженерных задач — от написания кода и отладки до развёртывания ПО. Обещание звучало смело: Devin изменит ландшафт разработки софта, предложив бизнесу ИИ-альтернативу инженерам-людям.
However, as the dust settled, reality began to paint a more nuanced picture. While Devin certainly demonstrated impressive capabilities, scrutiny has raised questions about its real-world performance, exposing some significant limitations. Here's a comprehensive look at Devin, its capabilities, the rise of AI agents, and why platforms like Voiceflow might be the better alternative for businesses seeking AI-driven solutions.
Однако когда пыль улеглась, реальность оказалась более многогранной. Хотя Devin действительно продемонстрировал впечатляющие возможности, при ближайшем рассмотрении возникли вопросы к его реальной производительности, и обнажились некоторые существенные ограничения. Вот всесторонний разбор Devin, его возможностей, подъёма ИИ-агентов и того, почему такие платформы, как Voiceflow, могут быть лучшей альтернативой для бизнеса, ищущего ИИ-решения.
Devin AI: What It Claims to Do
Devin AI: что он, по заявлениям, умеет
Devin was launched with grand expectations. The AI model was built to autonomously execute a range of software engineering tasks, including:
Devin был запущен с грандиозными ожиданиями. ИИ-модель создавалась для автономного выполнения широкого спектра задач программной инженерии, в том числе:
Генерация кода и отладкаРазвёртывание ПО и рефакторингОбнаружение багов и оптимизация
Cognition AI made waves by showcasing Devin’s ability to tackle freelance tasks on platforms like Upwork, where the AI was shown completing engineering jobs that typically require human expertise. The ability to autonomously generate software solutions in response to natural language instructions created a stir, as many speculated that AI could soon replace human engineers.
Cognition AI наделала шума, продемонстрировав способность Devin выполнять фриланс-задачи на платформах вроде Upwork, где ИИ показывали за выполнением инженерных работ, обычно требующих человеческой экспертизы. Возможность автономно генерировать программные решения в ответ на инструкции на естественном языке вызвала ажиотаж, и многие предположили, что ИИ скоро заменит инженеров-людей.
The Upwork Task Controversy: Where Devin Fell Short
Скандал с задачей на Upwork: где Devin не дотянул
However, Devin’s promotional materials came under fire after a YouTube channel called Internet of Bugs exposed significant flaws in the AI's performance. In one demo, Devin was tasked with solving an engineering problem posted on Upwork. The original project required creating detailed instructions for making inferences with models in an EC2 instance on AWS, a task that demands an understanding of both software dependencies and specific configurations.
Однако промо-материалы Devin попали под огонь после того, как YouTube-канал Internet of Bugs обнажил существенные изъяны в работе ИИ. В одной из демонстраций Devin было поручено решить инженерную задачу, размещённую на Upwork. Изначальный проект требовал составить подробные инструкции для выполнения инференса с моделями в EC2-инстансе на AWS — задача, требующая понимания как программных зависимостей, так и специфических конфигураций.
However, Devin was fed only part of the task description, missing critical context from the second half, which led to a fundamental failure: Devin couldn’t complete the task as expected because it lacked the necessary understanding of the problem.
Однако Devin получил только часть описания задачи, упустив критически важный контекст из второй половины, что привело к фундаментальному провалу: Devin не смог выполнить задачу так, как ожидалось, поскольку ему не хватало необходимого понимания проблемы.
Additionally, Devansh, a machine learning engineer, pointed out that the task appeared to be "cherry-picked" to put Devin in the best possible light. The errors and issues Devin faced were not only avoidable but also self-inflicted. For example, while Devin did uncover a bug, it was a bug that Devin itself had created, demonstrating its ability to fix its own mistakes rather than showcasing groundbreaking problem-solving abilities.
Кроме того, Devansh, инженер по машинному обучению, отметил, что задача, похоже, была «вишенкой на торте», подобранной так, чтобы выставить Devin в наилучшем свете. Ошибки и проблемы, с которыми столкнулся Devin, были не только избежны, но и нанесены им самому себе. Например, хотя Devin действительно обнаружил баг, это был баг, который он сам и создал, что демонстрирует его способность исправлять собственные ошибки, а не прорывные навыки решения проблем.
In terms of performance, Internet of Bugs highlighted that human engineers could complete the task in about 30 minutes, while Devin took hours to resolve the issue.
По части производительности Internet of Bugs подчеркнул, что инженеры-люди могут выполнить задачу примерно за 30 минут, тогда как Devin потратил часы на её решение.
The Strengths of Devin: Speed and Autonomous Features
Сильные стороны Devin: скорость и автономные функции
Despite the flaws exposed in its promotional video, Devin still holds considerable promise as an autonomous AI tool for software engineering. Some of its core strengths include:
Несмотря на изъяны, вскрытые в промо-видео, Devin по-прежнему обладает значительным потенциалом как автономный ИИ-инструмент для программной инженерии. К его ключевым сильным сторонам относятся:
Прирост скорости: Cognition утверждает, что Devin может выполнять задачи на 80% быстрее, чем прежде, благодаря улучшенным способностям к принятию решений, которые сокращают необходимость в повторном решении одних и тех же проблем.Автономное исправление багов: Devin умеет находить и устранять баги, что делает его потенциально ценным инструментом для постоянного сопровождения ПО.Интеграция с GitHub: ИИ может бесшовно работать внутри существующих процессов разработки, автоматически реагируя на pull request (PR) и взаимодействуя с пользователями-людьми для получения обратной связи.
However, these capabilities come with caveats. While Devin can certainly automate some aspects of software engineering, it’s still far from being able to replace human developers in complex, unpredictable tasks.
Однако эти возможности идут с оговорками. Хотя Devin безусловно может автоматизировать некоторые аспекты программной инженерии, ему ещё далеко до того, чтобы заменить разработчиков-людей в сложных, непредсказуемых задачах.
The Rise of AI Agents: What’s Next?
Подъём ИИ-агентов: что дальше?
The unveiling of Devin is part of a broader trend where AI agents are becoming increasingly capable of automating tasks traditionally performed by humans. From customer service to coding, AI agents like Devin are pushing the boundaries of what’s possible with automation. But AI agents aren't limited to just software development—they are also designed to enhance operations across industries, helping businesses automate processes, engage with customers, and optimize workflows.
Появление Devin — часть более широкой тенденции, в рамках которой ИИ-агенты становятся всё более способными автоматизировать задачи, традиционно выполнявшиеся людьми. От клиентского сервиса до программирования — ИИ-агенты вроде Devin раздвигают границы возможного в автоматизации. Но ИИ-агенты не ограничиваются только разработкой ПО — они также призваны улучшать операционную деятельность в самых разных отраслях, помогая бизнесу автоматизировать процессы, взаимодействовать с клиентами и оптимизировать рабочие потоки.
Voiceflow: The Best Platform for Building AI Agents
Voiceflow: лучшая платформа для создания ИИ-агентов
While Devin AI might be a pioneering tool in the realm of software engineering, it is still focused on a niche—autonomous coding. For businesses looking to scale automation across various departments, Voiceflow provides a more versatile and accessible solution. The key takeaway from Devin’s shortcomings is that businesses don’t necessarily need a specialized AI like Devin to automate their operations. With platforms like Voiceflow, businesses can design AI agents that are flexible, scalable, and adaptable to a wide variety of tasks—without the need to focus on a specific use case like software engineering.
Хотя Devin AI можно считать первопроходцем в сфере программной инженерии, он по-прежнему сосредоточен на нише — автономном программировании. Для бизнеса, который хочет масштабировать автоматизацию по различным подразделениям, Voiceflow предлагает более универсальное и доступное решение. Главный вывод из недочётов Devin — бизнесу совсем не обязательно нужен специализированный ИИ вроде Devin, чтобы автоматизировать свои операции. С такими платформами, как Voiceflow, бизнес может проектировать ИИ-агентов, которые гибки, масштабируемы и адаптируемы к широкому спектру задач — без необходимости фокусироваться на конкретном кейсе вроде программной инженерии.
Voiceflow is a no-code platform designed to help businesses build AI-driven agents that can engage with customers and automate workflows. Unlike Devin, which is tailored specifically for software engineering, Voiceflow is built to create conversational AI agents capable of handling everything from customer service to lead generation. Over 250,000 teams of all sizes have already joined Voiceflow to create their custom AI agents. Join us today–it’s free!
Voiceflow — это no-code-платформа, созданная, чтобы помогать бизнесу строить ИИ-агентов, способных взаимодействовать с клиентами и автоматизировать рабочие процессы. В отличие от Devin, заточенного именно под программную инженерию, Voiceflow создан для построения агентов conversational AI, способных справляться со всем — от клиентского сервиса до генерации лидов. Более 250 000 команд всех размеров уже присоединились к Voiceflow, чтобы создавать собственных ИИ-агентов. Присоединяйтесь и вы — это бесплатно!