Report del benchmark
Metodo e risultati di Codna contro Cursor su 87 casi appaiati di bug fix.
Risorse
Guide, benchmark e confronti.
Guide, il benchmark misurato e confronti testa a testa. I numeri vengono da 87 casi appaiati contro Cursor: 5× meno token, 1,7× più veloce, 87 verificati su 87.
Risorse
Apri
Riparazione autonoma del codice
Perché gli agenti hanno bisogno di una mappa deterministica prima di correggere.
Code review con IA
Come severità, confidenza e un verdetto chiaro rendono più rapida la revisione delle pull request.
Da Sentry alla PR
Trasforma un guasto in produzione in una pull request di fix con la causa radice allegata.
Domande frequenti
Su 87 casi appaiati contro Cursor, Codna ha usato 5× meno token ed è stato 1,7× più veloce. Entrambi hanno verificato 87 fix su 87. Codna ha speso in media circa 0,02 $ di modello per fix.
Token totali, tempo reale, costo del modello e fix verificati per caso, mediati su 87 casi appaiati eseguiti su checkout identici.
Codna mappa il repository senza modello, per zero token, e consegna all'agente un pacchetto di evidenze circoscritto all'issue. Stampa il rapporto grezzo/pacchetto a ogni esecuzione.
La mappa del repository è costruita dai pattern di import, quindi non è legata a un linguaggio. codna impact restringe un diff ai test che può influenzare. Il recall on-device copre Python, JavaScript, TypeScript, Go, Rust, Java, C, C++, C#, PHP e Ruby.
Codna localizza il codice interessato con il suo grafo di dipendenze e raggio d'impatto, corregge dal pacchetto di evidenze e riporta causa radice, confidenza, raggio d'impatto e rischio di regressione. Su GitHub apre una pull request che si spiega da sola. Il merge lo fai tu.
La comprensione gira sulla tua macchina. Solo il pacchetto di evidenze o il diff raggiunge il tuo provider di modelli, con la tua chiave. Imposta privacy.egress su fail-closed in codna.yaml e Codna esegue i tuoi test solo sotto blocco di rete a livello kernel.