Trusence Her iddianın bir kaynağı var
Son güncelleme: 17 Kasım 2026 Ara English
Araştırma

Akka, 65 açık kaynak projede spec-driven AI porting deneyi yaptı

İlk aşamada 99.3 saat ve 9.41 milyar token kullanılan çalışmada, 65 portun 57’si kod boyutu ya da performans açısından iyileşti.

Güncellendi: 6 Ekim 2026

Akka, 65 açık kaynak proje üzerinde spec-driven bir AI porting deneyi yürüttüğünü açıkladı. Şirket, bu çalışmayı yapılandırılmış spesifikasyonların ve model seçiminin teslimat kalitesi, maliyet ve hız üzerindeki etkisini ölçmek için kullandı.

İlk aşama 99.3 saat sürdü ve 9.41 milyar token tüketti. Akka’ya göre 65 portun 57’si sonunda kod boyutu ya da performans tarafında daha iyi sonuç verdi. Şirket, daha ayrıntılı spesifikasyonların ilk denemedeki sonuçları iyileştirdiğini, ancak bileşenler arası kararlar için eksik bağlamın hâlâ sorun yarattığını söyledi. Bu nedenle interface enumeration, test ingestion, provenance tracking, differential testing ve adversarial testing gibi alanlarda ek çalışma planlıyor.

Akka ayrıca daha hafif modelin port başına ortalama 61 dakikada tamamladığını, daha büyük modelin ise ortalama 120 dakika aldığını bildirdi. Buna karşın daha büyük model yaklaşık yüzde 40 daha az token kullandı. Doğrulama sürecinde orijinal unit ve integration testleri; serialization, security, error handling, PII, idempotency ve architectural boundaries kontrolleri birlikte kullanıldı. Sonuçlar proje bazında geniş biçimde değişti; Dify için 143,333 kat iyileşme, Netflix Metaflow için ise yaklaşık 100 kat daha yavaş sonuç raporlandı.

Neden önemli

Aynı iş için model seçimi ile spesifikasyon ayrıntısı arasındaki denge, çıktı kalitesini ve süresini doğrudan değiştiriyor. Portlama işini otomatikleştirmek isteyen ekipler için önemli fark, daha büyük modelin daha az tokenla çalışsa da daha uzun sürebilmesi ve eksik bağlamın hâlâ hataya açık alan bırakması. Proje bazında sonuçların bu kadar değişmesi, tek bir AI porting yaklaşımının her kod tabanı için aynı verimi vermeyeceğini söylüyor.

Kaynaklar · 1