Greptile hittar buggar bortom kodgranskning med GPT‑6 Astra

Greptile⁠(öppnas i ett nytt fönster) bygger AI-agenter som granskar och testar kodändringar med hela kodbasen som kontext. ”Vi arbetar för att minska antalet buggar och göra världens mjukvara mer tillförlitlig”, säger medgrundaren och vd:n Daksh Gupta.

För Daksh kräver det uppdraget att man både testar hur en applikation fungerar och läser dess kod. GPT‑6 Astras förmåga att använda datorer ger Greptile ett sätt att automatisera tester i stor skala.

Att validera en pull request innebär att kontrollera att koden är logiskt korrekt, gör det utvecklaren avsåg, är säker och inte förstör befintlig funktionalitet. För vissa av testerna behöver man faktiskt köra applikationen, eftersom problemet kanske inte syns om man bara läser koden.

Daksh tar som exempel en knapp som försvinner när en webbplats visas på en iPhone. Med GPT‑6 Astra kan Greptile starta en utvecklingsserver för en pull request, anpassa webbläsarens visningsyta till iPhone-storlek och simulera en användare som navigerar genom applikationen. Modellens visuella förståelse gör att den kan granska skärmen och upptäcka att knappen är dold.

”Att låta ett kvalitetssäkringsföretag testa alla ändringar tar helt enkelt för lång tid för att vara praktiskt, med tanke på hur snabbt vi kan leverera kod med de här modellerna”, säger han. Med GPT‑6 Astra kan Greptile automatisera den här typen av applikationstester i stor skala.

Daksh säger att kraftfullare modeller också gör det lättare för angripare att utnyttja sårbarheter i applikationer. Det utsätter företag för risker, även sådana som tidigare inte skulle ha varit typiska måltavlor.

”Vi vill göra det väldigt enkelt även för ett startupföretag att säkra sina system”, säger Daksh. ”Med Daybreak kan vi göra det här på ett mycket säkert sätt, och vi kan se till att våra kunder har mer sofistikerade försvarsmekanismer än angriparnas attackmetoder.”

Greptiles kunskapsbas indexerar ett företags kodbas och dokumenterar hur den fungerar i ett format som både människor och agenter kan läsa. Företaget gör dokumentationen tillgänglig för Codex via en server för Model Context Protocol (MCP).

Det gör att Codex kan skriva kod som följer kundens befintliga mönster. Enligt Daksh har tusentals kunder kopplat Codex till Greptiles kunskapsbas.

För att mäta effekten följer teamet upp hur ofta AI-genererade kodändringar återställs. ”När vi ger agenter kontext behöver färre ändringar återställas, och kunderna sparar både tid och inferensresurser”, säger Daksh. Kunderna kan lägga de sparade resurserna på nytt arbete i stället för att göra om samma ändringar.

Greptile använder också Codex för att bygga sin egen mjukvara och sina egna agenter. ”Vi använder Codex otroligt mycket”, säger Daksh. ”Användningen är enorm inom varenda del av verksamheten, särskilt inom utveckling.”

Daksh förklarar att Greptiles enda verkliga flaskhals är hur snabbt teamet kan omsätta idéer i fungerande mjukvara. Han säger att modellernas intelligens redan räcker till för många uppgifter, så han ser Ultrafast som ett sätt att snabba på utvecklingen.

Hans långsiktiga mål är att göra det lika enkelt att ändra och lansera verksamhetskritisk mjukvara som att lansera ett sidoprojekt. OpenAI hjälper Greptile att bygga den validering som krävs för det.