Инженеры и исследователи NVIDIA перешли на использование автономных ИИ-агентов, что ускорило исследовательские рабочие процессы в 10 раз и автоматизировало рутинные задачи.
3 мин
Компания NVIDIA масштабировала использование инструмента Codex на базе модели GPT-5.5, предоставив доступ к нему 40 тысячам своих сотрудников. Теперь это базовый инструмент для сложной инженерной работы и проведения машинного обучения. Внедрение технологии позволило ускорить исследовательские процессы в 10 раз. Это важный сигнал для индустрии: большие языковые модели (LLM) переходят от функции простого автодополнения кода к роли автономных систем, способных вести проект от идеи до запуска.
Традиционно процесс разработки и проведения исследований в области машинного обучения требует огромных временных затрат на настройку инфраструктуры, написание скриптов и отладку. Ранее ИИ-помощники требовали постоянного контроля и пошаговых инструкций. Однако с появлением GPT-5.5 ситуация изменилась. NVIDIA развернула Codex на собственной передовой инфраструктуре — серверах с чипами GB200 и GB300. Это обеспечило необходимую вычислительную мощность для поддержания длинных контекстных окон и автономных сессий.
NVIDIA logo on a green and black abstract background.
Возможности нового поколения Codex выходят далеко за рамки генерации кода. Инструмент способен самостоятельно выявлять ошибки в логике программ, которые пропускали предыдущие модели.
Один из ярких примеров применения — создание внутреннего приложения для записи подкастов. Из-за строгих требований к конфиденциальности закупка стороннего программного обеспечения заняла бы недели. С помощью Codex инженеры NVIDIA создали и протестировали рабочую систему всего за несколько часов. Инструмент самостоятельно взаимодействовал с рабочим столом, проверяя функциональность видео- и аудиозаписи.
Для исследовательских команд Codex автоматизировал весь цикл работы. Он анализирует научные статьи, выстраивает графы знаний, пишет скрипты и самостоятельно запускает эксперименты на удаленных серверах через SSH, избавляя инженеров от рутинной настройки окружения.
Top 10 uses for Codex at work > card image
Особого внимания заслуживает способность модели к машинному переводу кода. Исследователи NVIDIA массово используют GPT-5.5 для переписывания старых репозиториев с языка Python на более производительный Rust. По их данным, это делает программы примерно в 20 раз эффективнее.
Это означает, что проблема технического долга в крупных корпорациях может быть решена с помощью ИИ. Компании больше не обязаны выделять целые команды на переписывание устаревшего кода — эту задачу берут на себя автономные агенты, сохраняя при этом логику и контекст исходной системы.
Мы наблюдаем качественный сдвиг в разработке программного обеспечения. Порог целесообразности создания внутренних инструментов резко снизился: то, что раньше не имело смысла разрабатывать из-за нехватки времени, теперь создается за часы.
В ближайшем будущем роль инженера-программиста будет все больше смещаться от написания конкретных строк кода к проектированию архитектуры и управлению ИИ-агентами. Пока рано судить, как быстро этот подход станет стандартом за пределами технологических гигантов вроде NVIDIA, но направление развития индустрии уже определено четко.
1 1
AutoScout24 customer story 1x1 image
ИИ-агенты эволюционировали из помощников, пишущих код, в автономные системы, способные самостоятельно проектировать, тестировать и развертывать программное обеспечение.
Главная ценность новых ИИ-инструментов заключается не в создании новых продуктов, а в эффективной борьбе с техническим долгом и модернизации старой кодовой базы.
