Alibaba Cloud обновила Coding Plan: новые модели Qianwen и GLM

Alibaba Cloud расширила свою платформу Coding Plan, добавив поддержку сразу нескольких языковых моделей нового поколения — флагманской Qianwen 3.5 и GLM-4.7 от Zhipu AI. Обновление выглядит техническим, но за ним стоит куда более крупная ставка: китайские технологические гиганты всерьёз намерены потеснить GitHub Copilot и подобные западные инструменты на внутреннем и региональном рынках.

Coding Plan — это облачная среда Alibaba, ориентированная на разработчиков и объединяющая инструменты для совместной работы с кодом, CI/CD-пайплайны и встроенную AI-помощь. До недавнего времени выбор языковых моделей внутри платформы был ограничен. Новое обновление меняет эту картину радикально: теперь пользователи могут переключаться между несколькими моделями в зависимости от задачи, будь то генерация кода с нуля, автодополнение или поиск ошибок в уже написанном решении.

Qianwen 3.5 — это флагман собственной разработки Alibaba. Модель создавалась с прицелом на работу с кодом на десятках языков программирования и умеет не просто дописывать строки, но и понимать контекст всего проекта. По заявлению компании, она демонстрирует улучшенное понимание длинных контекстов — критически важное свойство для работы с большими кодовыми базами, где нужно держать в уме архитектуру нескольких модулей одновременно. GLM-4.7, разработанная стартапом Zhipu AI при поддержке Tsinghua University, идёт по несколько иному пути: модель делает акцент на точности рассуждений и способности объяснять логику кода на естественном языке, что особенно полезно в командных проектах и при код-ревью.

Включение GLM-4.7 в экосистему Alibaba примечательно само по себе. Это не просто техническое расширение — это свидетельство того, что крупные платформы в Китае начинают выстраивать партнёрские модели вместо того, чтобы замыкаться исключительно на собственных разработках. Zhipu AI давно считается одним из самых серьёзных AI-стартапов страны, а интеграция её модели в Coding Plan даёт молодой компании доступ к многомиллионной аудитории разработчиков, уже работающих в облаке Alibaba. Для платформы это тоже выгодно: разнообразие моделей означает, что каждый пользователь может найти инструмент, который органично вписывается в его рабочий процесс.

Конкурентный контекст не менее важен. Baidu со своей платформой Comate и Huawei с CodeArts давно претендуют на роль главных AI-ассистентов для китайских разработчиков. Рынок этот стремительно растёт: по данным аналитиков, внедрение AI-инструментов в рабочие процессы разработки в Азиатско-Тихоокеанском регионе ускорилось после того, как крупные компании зафиксировали реальное сокращение времени на написание рутинного кода — от 20 до 40 процентов в зависимости от задачи. Alibaba, очевидно, не хочет отдавать этот рынок конкурентам и делает ставку на разнообразие моделей как на конкурентное преимущество: вместо единственного решения — экосистема, где пользователь выбирает сам.

Что это означает для разработчиков за пределами Китая — вопрос пока открытый. Alibaba Cloud активно расширяет присутствие в Юго-Восточной Азии, на Ближнем Востоке и в Европе, и подобные обновления рано или поздно становятся доступны международной аудитории. Qianwen в различных версиях уже демонстрировала конкурентоспособные результаты в открытых бенчмарках по генерации кода, что делает её потенциально интересной не только для китайского рынка. При этом GLM остаётся менее знакомой международному сообществу, хотя академические корни модели — серьёзный аргумент в пользу её технической состоятельности.

Обновление Coding Plan — это не изолированное событие, а очередной шаг в масштабном переустройстве того, как пишется программный код в эпоху больших языковых моделей. Инструменты вроде GitHub Copilot изменили ожидания разработчиков: AI-ассистент сегодня воспринимается не как дополнение, а как часть стандартного рабочего окружения. Alibaba это понимает и отвечает не просто обновлением одной модели, а созданием многомодельной среды, способной адаптироваться к разным требованиям. Насколько быстро платформа сможет набрать критическую массу пользователей и насколько реальная производительность моделей совпадёт с маркетинговыми обещаниями — покажут следующие месяцы.