Je, umewahi kuangalia msimbo uliozalishwa na LLM yako unayopenda?

Je, umewahi kuangalia msimbo unaozalishwa na LLM unayopenda? Na zaidi ya yote utendaji wake, kati ya uwingi wa maneno ya msimbo unaozalishwa, gharama yake ya uzalishaji na kasi ya utekelezaji wa hati? Nilijaribu, kupitia OpenCode Go (dola 10/mwezi), LLM kadhaa kwenye ombi rahisi: "Tengeneza hati ya PHP inayotumia faili ya XML ya maingizo 100,000 haraka iwezekanavyo." Mwishowe, nilijaribu LLM 6 (kwa sasa ninatumia DeepSeek v4.1 Flash kwa kiasi kikubwa, ambayo naiona kuwa ya ajabu kwa uandishi wa msimbo). DeepSeek v4.1 Flash, Grok 4.7, Kimi K3.1 Pro, GPT-6 Luna, Gemini-5 Argon na Claude Haiku 5.5. Na matokeo kwenye ombi hili ni kama ifuatavyo: Msimbo uliofinyikana zaidi unazalishwa na GPT-6 Luna, kwa sekunde 29, kwa gharama ya dola 0.00156! Hii ni mshangao wangu mkubwa wa jaribio: OpenAI ni nafuu mara 10 kwa Luna kuliko DeepSeek… Hati ya haraka zaidi inazalishwa na DeepSeek v4.1 Flash, ambayo inafikia maingizo 528,000/k sekunde kwenye uchakataji wa faili. Kwa hakika inachukua milisekunde 189 tu kuchanganua maingizo 100,000 ya XML! Inachagua kutumia XMLReader katika utiririshaji… na ni ya haraka zaidi. Claude Haiku 5.5 pia ni nafuu katika jaribio hili, inazalisha msimbo haraka sana (sekunde 17), dhidi ya sekunde 115 (karibu mara 7 zaidi) kwa DeepSeek, lakini inazalisha msimbo ambao ni miongoni mwa wa polepole zaidi kutekelezwa. Kwa upande wa uwiano wa utendaji / kasi / gharama, DeepSeek iko mbele kwenye hili, ikiwa mtu atatanguliza kasi ya utekelezaji wa msimbo unaozalishwa. Grok ni ghali sana (mara 20 zaidi ya DeepSeek), lakini inakuja ya pili kwa utendaji. Luna ni nafuu mara 10 kuliko DeepSeek, kuja ya nne kwa utendaji, ikiwa na uzalishaji wa haraka sana (sekunde 29). Kinachovutia katika zoezi hili dogo ni kwamba hatupimi tu uwezo wa LLM kuzalisha msimbo unaofanya kazi, bali pia uwezo wake kufanya maamuzi sahihi ya kiufundi, kuepuka uwingi wa maneno usio wa lazima na kuzalisha programu yenye utendaji wa kweli. Na, kwa wazi, modeli ghali zaidi si lazima iwe ndiyo inayozalisha msimbo bora. Hii pia inaonyesha tatizo lingine: modeli zipi kwa kazi zipi… Uratibu (mzuri) utakuwa suala linalozidi kuwa muhimu. Vyanzo vya LinkedIn Wasifu: Pierre Jean Duvivier dit Sage (LinkedIn) Chapisho Have you ever looked at the code produced by your favorite LLM? lilionekana kwanza kwenye les plumes qui mordent. Maswali Yanayoulizwa Mara kwa Mara Maswali Yanayoulizwa Mara kwa Mara Kuangalia Msimbo Unaozalishwa na LLM Unayopenda 1 Inamaanisha nini kuangalia msimbo unaozalishwa na LLM Inamaanisha kusoma kwa hakika, kuendesha na kukagua msimbo ambao msaidizi wa AI anakupa badala ya kuunakili na kuubandika kwa upofu 2 Kwa nini nijisumbue kusoma msimbo unaozalishwa na AI Kwa sababu LLM zinaweza kukosea kwa kujiamini Kusoma msimbo kunakusaidia kupata hitilafu masuala ya usalama na makosa ya mantiki kabla hayajafika kwenye mradi wako 3 Je, ninahitaji kuwa mtaalamu ili kukagua msimbo wa AI Hapana Hata usomaji wa kimsingi unasaidia unaweza kuona matatizo dhahiri kama nywila zilizoandikwa moja kwa moja ukosefu wa ushughulikiaji wa hitilafu au msimbo usioendana na ulichoomba 4 Ni aina gani za makosa ambazo LLM hufanya kwa kawaida kwenye msimbo Masuala ya kawaida ni pamoja na kazi au maktaba zilizobuniwa API zilizopitwa na wakati makosa ya off-by-one kesi za pembezoni zinazokosekana na chaguo-msingi zisizo salama 5 Je, msimbo unaozalishwa na AI unaweza kuwa na udhaifu wa usalama Ndiyo Modeli wakati mwingine huzalisha msimbo wenye hatari za sindano ya SQL uthibitishaji hafifu wa ingizo au siri zilizofichuliwa Kila mara kagua kabla ya kuwasilisha 6 Kwa nini msimbo wakati mwingine hurejelea kazi au vifurushi visivyopo LLM hutabiri maandishi yanayofanana na ya kweli kwa hiyo zinaweza kubuni API Hii inaitwa kubuni kila mara thibitisha kwamba uagizaji na kazi zipo kwa hakika 7 Je, msimbo unaozalishwa na AI kwa kawaida ni sahihi Mara nyingi uko karibu lakini kwa kawaida karibu haitoshi kwa uzalishaji Uchukulie kama rasimu ya kwanza si jibu la mwisho 8 Njia ya haraka zaidi ya kukagua msimbo wa AI ni ipi Iendeshe kwenye kesi ndogo ya jaribio isome mstari kwa mstari na uangalie kwamba kila uagizaji na mwito wa kazi ni wa kweli Kisha jaribu kesi za pembezoni 9 Je, ninapaswa kujaribu msimbo unaozalishwa na AI tofauti na msimbo wangu mwenyewe Siyo sana lakini ujaribu kwa kina hasa kesi za pembezoni na njia za hitilafu kwa kuwa modeli inaweza kuwa haikuzizingatia 10 Je, ninaweza kuamini msimbo wa AI ikiwa unaonekana safi na umepangwa vizuri Hapana Upangaji safi hausemi chochote kuhusu usahihi Baadhi ya msimbo wa AI unaoonekana wa kushawishi zaidi umevunjika kwa hila 11 Ni faida gani za kukagua msimbo wa AI badala ya kuukataa kabisa Unapata kasi ya uzalishaji wa AI pamoja na usalama wa hukumu ya binadamu na mara nyingi unajifunza mifumo au mbinu mpya njiani 12 Nitajuaje ikiwa AI ilitumia maktaba au API iliyopitwa na wakati Angalia