在几乎每个企业都在探索如何利用AI推动业务增长的当下，供应商们争相推出新的、有利可图的工具，以让客户更轻松地构建高性能的基于AI和机器学习的应用程序。

目前，人们主要关注低代码开发，但Iterate正在采取措施全面摒弃编码层。这家总部位于加利福尼亚的公司以构建和部署针对私有、边缘或云环境的AI和新兴技术而闻名，近期宣布推出AppCoder LLM，一种经过精细调优的模型，可以使用自然语言提示即时生成用于生产级AI应用的工作和更新的代码。

AppCoder LLM集成在Iterate的Interplay应用程序开发平台中，它与任何其他生成式AI协作工具一样使用文本提示，并且在与已有的基于AI的编码解决方案（包括Wizardcoder）相比时表现得更好。这样一来，开发团队可以快速获得准确的代码，无论是用于目标检测产品还是文档处理产品。

“这种创新模型可以为项目生成功能性代码，极大地加速开发周期。我们鼓励开发团队探索Interplay-AppCoder LLM，体验使用我们的模型自动生成代码的强大功能。” Iterate.ai的CTO Brian Sathianathan在一份声明中表示。

AppCoder LLM的独特之处体现在哪里？

在核心层面上，Iterate的Interplay是一个完全容器化的拖放平台，将AI引擎、企业数据源和第三方服务节点连接起来，形成一个适用于生产的应用所需的流程。

开发团队可以打开此界面上的每个节点进行自定义代码编写，而这正是AppCoder的用武之地。它允许用户通过简单地使用自然语言给出指令来生成代码。

“Interplay-AppCoder可以处理计算机视觉库，比如用于构建先进的目标检测应用的YOLOv8。我们还可以为LangChain和Google库生成代码，它们是最常用的库之一（用于聊天机器人和其他功能）。” Sathianathan说。

例如，一个快餐外卖餐厅可以连接一个视频数据源，并简单地要求Interplay-AppCoder使用Ultralytics库中的YOLOv8模型编写一个车辆识别应用程序。LLM将立即生成所需的应用程序代码。

Sathianathan指出，他的团队在测试这种功能时，仅用不到五分钟就能构建出一个核心的、准备投入生产的检测应用程序。这种应用开发的加速可以节省成本并提高团队的生产力，使他们能够专注于对业务增长至关重要的战略举措。

AppCoder具备领先的代码生成LLM功能

除了速度快之外，与Meta的Code Llama和Wizardcoder相比，AppCoder LLM在输出方面也更出色，超过了Code Llama。

具体来说，在一个ICE基准测试中，运行了AppCoder和Wizardcoder模型的150亿版本，使用了相同的LangChain和YOLOv8库，Iterate的模型在功能正确性得分上高出300%（2.4/4.0对比0.6/4.0），在实用性得分上高出61%（2.9/4.0对比1.8/4.0）。

较高的功能正确性得分表明，在考虑给定问题和参考代码的情况下，该模型在进行单元测试时表现更好，而实用性得分表明，模型的输出清晰、按照逻辑顺序呈现，并保持可读性，同时在与参考代码进行比较之后，涵盖了问题陈述的所有功能。

“在使用A100 GPU生成代码时，Interplay-AppCoder的响应时间通常为6-8秒。训练过程采用了对话式的问题>回答>问题>上下文方法进行。” Sathianathan补充道。

他指出，在了解LangChain、YOLO V8、VertexAI和许多其他现代生成式AI库的基础上，通过对CodeLlama-7B、34B和Wizard Coder-15B、34B进行精细调整，他们才能取得这些结果。

未来更多的发展

尽管现在可以测试和使用AppCoder，但Iterate表示，这只是他们旨在简化企业级AI/ML应用程序开发的工作的开端。

该公司目前正在为大型企业构建15个私有的LLM，并专注于将这些模型应用于CPU和边缘部署，以推动可扩展性。

“Iterate将继续提供平台和扩展工具集，用于管理AI引擎、新兴语言模型和大数据集，所有这些都经过调优，以实现快速开发和部署（应用程序）在CPU和边缘架构上。新模型和数据堆不断涌现，而我们的低代码架构可以快速适应和集成这些新兴模型。该领域正在迅速扩展和民主化，我们将继续推动创新的管理和配置工具进入平台。” CTO称。

在过去的两年中，Iterate的收入几乎翻了一番。该公司的客户包括银行、保险、文档服务、娱乐、奢侈品、汽车服务和零售等领域的财富100强企业。