Mesterséges intelligencia, magyarul.
Az eredeti közleményekből.

143 millió dollárt vont be a CodeRabbit az AI-kódok ellenőrzésére

2026. augusztus 12. 15:00Forrás: CodeRabbit
143 millió dollárt vont be a CodeRabbit az AI-kódok ellenőrzésére
Kép: CodeRabbit

A CodeRabbit 143 millió dolláros Series C finanszírozási kört zárt 1,5 milliárd dolláros értékelés mellett. A vállalat ezzel együtt új platformkategóriát indított Agentic Change Management néven, amely az AI által létrehozott kódmódosítások rangsorolását, magyarázatát és biztonsági ellenőrzését célozza.

A lényeg röviden
  • A CodeRabbit 143 millió dolláros Series C kört zárt 1,5 milliárd dolláros értékelés mellett.
  • A finanszírozást az Atomico és a Smash Capital vezette.
  • A vállalat Agentic Change Management néven új platformkategóriát indított.
  • Az új rendszer része a CodeRabbit Triage, a Change Stack és a CodeRabbit Security.
  • A platform az AI által létrehozott pull requestek rangsorolását, magyarázatát és felügyeletét célozza.

Újabb finanszírozási kör a CodeRabbitnél

A CodeRabbit 2026. augusztus 12-i bejelentése szerint kevesebb mint egy évvel a Series B kör után vont be újabb tőkét. A 143 millió dolláros Series C kört az Atomico és a Smash Capital vezette. A finanszírozásban több új befektető is részt vett, köztük a BMW i Ventures, a Datadog, a Hirtle Callaghan, a SineWave Ventures és a Scenic Management.

A körhöz a CodeRabbit korábbi befektetői is csatlakoztak, köztük a CRV, a Scale Venture Partners, a Flex Capital, a Pelion Venture Partners, a Harmony Partners és az Engineering Capital. A vállalat értékelése a tranzakció után 1,5 milliárd dollár.

A CodeRabbit az elmúlt négy évben AI-alapú, független kódellenőrzési réteget épített. A cég szerint rendszere megérti a fejlesztett kódbázist, tanul a csapat működéséből, és bizonyítékokra épülő visszajelzéseket ad.

A pull request lett az új döntési pont

A vállalat szerint az AI-kódoló ügynökök megváltoztatják a szoftverfejlesztés sorrendjét. Korábban a csapatok előbb megvitatták, mit érdemes megépíteni, felállították a prioritásokat, majd a fejlesztési idő ráfordításával elkészítették a kódot. Az AI-eszközök miatt azonban egy termékkövetelmény, támogatási jegy, biztonsági észlelés vagy éles rendszerriasztás gyorsan javasolt kódmódosítássá válhat.

A kódoló ügynökök órákon át dolgozhatnak, több ezer sort állíthatnak elő, majd korlátozott emberi közreműködéssel pull requestet nyithatnak. A CodeRabbit által idézett adatok szerint a GitHub idén a commitok számának 14-szeres növekedése felé halad, az AI-kódoló ügynökök alkalmazásában a 90. percentilisbe tartozó vállalatoknál pedig az ügynökök nyitják a pull requestek 35 százalékát.

A CodeRabbit szerint emiatt a lemaradás egyre inkább jegyek helyett pull requestekből áll. A pull request így ellenőrizhető tervezési és döntési ponttá válik, ahol a csapat azt vizsgálja, hogy mit érdemes kiadni, milyen kockázatokat vezet be a módosítás, és teljesíti-e a minőségi elvárásokat. A vállalat ezt az új működési területet Agentic Change Managementnek nevezi.

Három új képesség az AI-módosítások kezelésére

Az Agentic Change Management platform a CodeRabbit meglévő, független AI-kódellenőrzésére épül. A rendszer több adattár kontextusát, szervezeti szabályokat, kiadás előtti ellenőrzéseket, csapatismeretet és elkülönített tesztkörnyezetekből származó bizonyítékokat használ a módosítások értékeléséhez. A cél a változtatások ellenőrzése, a figyelem rangsorolása, a hatás magyarázata és a kódbázis folyamatos felügyelete.

CodeRabbit Triage: a beérkező változtatásokat többek között érték, sürgősség, kockázat, függőségek, készültség és a megfelelő ellenőrök alapján pontozza és irányítja. A jelentős munkát emberi ellenőrzőkhöz küldi, az alacsony kockázatú módosításokat automatizált folyamatokba tereli, az ismétlődő, irreleváns vagy még nem kész munkát pedig kiszűri.

CodeRabbit Change Stack: az AI által létrehozott, nagy méretű diffek értelmezését segíti. A kapcsolódó módosításokat szemantikai rétegekbe rendezi, és megmutatja, hogyan kapcsolódnak egymáshoz, milyen szerződéseket és működési módokat érintenek, illetve bevezetnek-e migrációt vagy változtatnak-e egy integráción.

CodeRabbit Security: a már összeolvasztott kódbázis folyamatos felügyeletét célozza. A CodeRabbit szerint minden merge egy folyamatosan változó rendszerre hat, miközben a függőségek, a sérülékenységek, az adatáramlások és az architekturális feltételezések is módosulhatnak.

A fejlesztői figyelem lett a szűk keresztmetszet

A CodeRabbit értelmezésében az AI-kódolás terjedésével a kód előállítása gyorsabbá válik, miközben az emberi figyelem továbbra is korlátozott. Minden pull request új kapcsolatokat, függőségeket, biztonsági kitettséget és karbantarthatósági kockázatot hozhat a kódbázisba. A vállalat ezért a legfontosabb problémának a döntési képesség és a fejlesztői figyelem hatékony elosztását tartja.

Az új platform ezt úgy kezeli, hogy a változtatásokhoz bizonyítékot, prioritást és érthető magyarázatot társít. A CodeRabbit szerint a Triage a szervezeti prioritások felé tereli a sort, a Change Stack megőrzi a közös megértést a gyorsuló kódtermelés mellett, a Security pedig a már kiadott kódbázis védelmét támogatja.

Kapcsolódó hírek

A CoreWeave bemutatta az ARIA kutatási és iterációs ügynököt
Termékek és eszközök2026. október 2. 19:23

A CoreWeave bemutatta az ARIA kutatási és iterációs ügynököt

Általánosan elérhetővé vált a CoreWeave ARIA, egy kutatási és iterációs AI-ügynök, amely a CoreWeave Forge részeként segít modellek és AI-ügynökök fejlesztésében. Az…

Az Anaconda MCP ellenőrzi a csomagokat a kódoló ügynökök helyett
Termékek és eszközök2026. október 2. 19:06

Az Anaconda MCP ellenőrzi a csomagokat a kódoló ügynökök helyett

Általánosan elérhetővé vált az Anaconda MCP, amely csomagadatokkal, sérülékenységi információkkal és szervezeti házirendekkel segíti a kódoló ügynököket. A távoli…

A Jev gépi döntéseket ad az alkalmazások kezébe szöveg nélkül
Fejlesztőknek2026. október 1.

A Jev gépi döntéseket ad az alkalmazások kezébe szöveg nélkül

A TypeSafe Jev nevű AI-modellje osztályozási, pontozási és útválasztási feladatokra készült. A rendszer szöveges válasz helyett közvetlenül felhasználható, típusos…