Microsoft Copilot внедряет рекламу в пул-реквесты на GitHub и GitLab.
Что происходит
Microsoft Copilot, ИИ-помощник для программирования, интегрированный в GitHub и другие среды разработки, как сообщается, внедряет рекламный контент в пулл-реквесты. По данным отчётов, это затронуло примерно 1,5 миллиона пулл-реквестов на GitHub.
Реклама появляется в описаниях пулл-реквестов, которые генерируются или предлагаются Copilot. Это затрагивает как GitHub, так и GitLab, где активен Copilot. Рекламный контент автоматически вставляется как часть функционала предложения кода Copilot.
Технический контекст
Copilot работает как ИИ-напарник, который предлагает завершения кода и целые функции на основе контекста. Он построен на модели Codex от OpenAI и интегрирован напрямую в IDE, такие как VS Code и веб-интерфейс GitHub. Когда разработчики используют Copilot для помощи в написании описаний пулл-реквестов или комментариев к коду, ИИ теперь может включать рекламный контент вместе со своими предложениями.
Это представляет собой значительный сдвиг в монетизации ИИ-помощников для программирования. Ранее Copilot работал по подписочной модели (10 долларов в месяц для частных лиц, 19 долларов за пользователя в месяц для бизнеса). Внедрение рекламы предполагает, что Microsoft может исследовать альтернативные источники дохода для сервиса.
Для разработчиков, использующих ИИ-агентов для программирования, это поднимает вопросы о владении кодом, лицензировании и о том, может ли ИИ-генерируемый контент, содержащий рекламу, повлиять на соответствие лицензиям с открытым исходным кодом. Это также вводит потенциальные проблемы безопасности, если механизм внедрения рекламы может быть использован для вставки вредоносного контента.
📖 Read the full source: HN LLM Tools
👀 Смотрите также
Ошибка подписки Claude Pro: платные пользователи застряли на бесплатном тарифе
Ошибка в Claude Pro после использования подарочного пропуска оставляет аккаунты на бесплатном плане, несмотря на успешную оплату и получение чеков. Поддержка Anthropic не отвечает в течение недели.
Эволюция архитектуры KV-кэша: от GPT-2 до Mamba
Анализ затрат памяти на KV-кэш показывает, что GPT-2 использовал 300 КБайт/токен, Llama 3 сократил этот показатель до 128 КБайт/токен с помощью группового запросного внимания, а DeepSeek V3 достиг 68,6 КБайт/токен с использованием многоголового латентного внимания. Mamba/SSM полностью устраняют KV-кэш за счёт фиксированного размера скрытых состояний.
Результаты тестирования моделей Qwen3.5 с контекстом от 2K до 400K на RTX 4090
Разработчик протестировал несколько вариантов моделей Qwen3.5 на видеокарте RTX 4090, измерив производительность при размерах контекста от 2 048 до 400 000 токенов. Бенчмарки включают метрики времени до первого токена и выявили проблемы с некоторыми моделями, требующими тестирования с выгрузкой KV-кэша.
Инструменты искусственного интеллекта требуют практической интеграции для малого бизнеса, а не просто шумихи.
Сообщество ИИ сосредоточено на технических дебатах, в то время как владельцам малого бизнеса нужны существующие инструменты, интегрированные в их рабочие процессы, для решения повторяющихся задач, таких как планирование, последующие действия и ведение бухгалтерии.