GitHub Copilot 发布还不到两年，就已经为 100 多万的开发者，编写了 46% 的代码，并提高了 55% 的编码速度。
这次升级究竟改进了什么呢？
5年内80%代码自动生成
通过模型的改进，以及上下文过滤功能的强化，现在开发人员在写程式码的时候可以获得更多量身订做的建议，满足需求。
而且，重点是！ 个人版和企业版都可以无压力使用。
据官方介绍，改进后的 AI 模型超越了之前的 Codex 模型，可以更迅速地为开发人员提供代码上的建议。
新模型由OpenAI、Azure AI和GitHub合作开发，与之前的模型相比，延迟时间缩短了13%。
这意味着，GitHub Copilot 为开发人员生成代码建议的速度比以往任何时候都要快，有望大幅提高整体工作效率。
同时，新模型还有更为复杂的上下文过滤功能，能更广泛地考虑开发人员的上下文和使用模式。
这样，它就能更智能地过滤提示和代码建议，从而让开发人员获得针对其需求的建议。
资料显示，代码接受率相对提高了 6%，让开发人员能够专注于工作的创造性方面，而不是被乏味的编码任务所困扰。
GitHub Copilot 正在升级，改进了人工智能模型并增强了上下文过滤功能，从而为开发人员提供更快、更量身定制的代码建议。
Github 就像是第二大脑，能够帮你省去记忆的麻烦。
Github 的 CEO Thomas Dohmke 还曾表示，80% 的代码将在短短五年内生成。
他还表示，Copilot测试版中40%的代码都是生成的，这让开发者的速度提升了55%。
新一代生成代码 Copilot X
在微软将 GPT-4 能力内置到 Office 365 后，GitHub 曾官方宣布了基于 GPT-4 的新一代代码生成工具 Copilot X。
具体来说，Copilot X 提供的体验有：Copilot Chat; Copilot for Pull Request； Copilot for Docs； Copilot for CLI。
这些新功能都是由 OpenAI 的 GPT-4 驱动的。
值得注意的是，由于速度延迟的原因，代码自动补全工具仍基于 GitHub 的 Codex 模型上，该模型是在 GPT-3 上训练的。
此前，微软已经将GPT-4内置到搜寻、办公、写代码等各种真正意义上的生产力工具上，属实是拥有了开启第四次科技革命的力量。
资深巨量资料架构师祝威廉称，Everything powered by AI 已经不再遥远：
如果说，OpenAI GPT-4只是个模型完成了从0到1，微软则推动了其商业化直接前进一大步。
这次，Copilot X 的发布，直接降维打击上一代 Copilot。
就比如，GitHub 在 Copilot 中内嵌一个基于 GPT-4 的聊天窗口，专注于开发者场景，并内置在 VS Code 和 Visual Studio 上。
Copilot 不仅可以识别开发者输入的代码内容，报错信息显示，还可以对代码块的用途进行深入分析和解释，生成单元测试。
甚至还可以给出 debug 的建议。
此外，在 Copilot 中，你甚至不再需要键盘来编写代码。
只需坐在电脑前，说一句「嘿，GitHub！」 ，动动嘴皮子编代码就能实现了。
目前，GitHub 正在试验 GitHub Copilot Voice 新功能，一个基于语音的交互系统。
除了编写代码，通过 Copilot Voice，你甚至可以完成：代码跳转、控制 IDE、代码总结。
GitHub 首席首席执行官 Thomas Dohmke 曾表示，虽然自动补全代码已经大大提升开发人员的生产力，而全新的 Copilot X 能将开发人员的生产力提升 10 倍。
「软件开发的黄金时代已经来到聊天界面。」
工作效率提升 55%
早在 2 月份，GitHub 曾发布了个人版和企业版 Copilot 的重大更新。
简单来说就是，升级之后的 GitHub Copilot 将会具有更高的代码质量，以及更快的响应速度。
自发布以来，GitHub Copilot已经为超过一百万人开发者提供了更强生产力，帮助他们提高了 55% 的编码速度。
但早在 2022 年 6 月首次推出时，只有 27% 的开发者会选择使用 GitHub Copilot 生成的代码。
如今，这一数字已经上升到了46%。 甚至在 Java 中，达到了 61%。
研究显示，在使用GitHub Copilot的开发者中，有90%表示可以更快地完成任务，其中73%的人能够更好地保持顺畅并节省精力。
与此同时，高达 75% 的开发者在使用 Copilot 时感到更有成就感，并且能够专注于工作。
为了实现这一目标，GitHub 做了如下关键技术改进：
- 升级后的 AI Codex 模型
将 Copilot 升级为新的 OpenAI Codex 模型，为代码合成提供了更好的结果。
- 更好的上下文理解
通过一种称为 Fill-In-the-Middle（FIM）的新范式，改进了 GitHub Copilot 给出的代码建议。
这种方法不仅会考虑代码的前缀，还会利用已知的代码后缀，并在中间留出空白让 GitHub Copilot 来填补。
如此一来，Copilot 就有了更多关于预期代码的上下文信息，以及自己应该如何去和程序的其他部分保持一致。
- 轻量级的客户端模型
使用轻量级客户端模型更新了 VS Code 的 GitHub Copilot 扩展，从而提高了建议代码的整体接受率。
现在，GitHub Copilot 通过使用关于用户上下文的基本信息（例如，上一个建议是否被接受），将不必要的建议减少了 4.5%
对抗 Copilot，百度Colab 放大招
微软 Copilot 升级后，百度也不甘示弱。
5 月，百度曾宣布，百度Colaboratory（Colab）即将加入全新的 AI 编码功能。
在 PaLM 2 的基础上，利用大量高品质代码数据进行微调之后，全新的「文生代码」模型 Codey 就诞生了。
而Colab的这些新功能，就是由Codey加持的。
Codey 代码生成模型支持 20 多种编码语言，包括 Go、百度标准 SQL、Java、Javascript、Python 和 Typescript 等。
通过实时的代码补全和生成，Codey 可以帮助用户更快地完成开发工作，同时提升代码的质量。
最重要的是，这个模型还专门针对 Python 和 Colab 的各种功能进行了专门优化。
看得出来Google为了各位元深度学习应用和 Python 的开发者的使用体验，真的是很用心了。
微软和Google的编码神器，你更钟意哪个？
