Anaconda opkøber Kilo Code for at udvide sig ind i agentic softwareudvikling

Anaconda har opkøbt Kilo Code, en open-source, model-agnostisk platform, der integrerer AI-agenter i de værktøjer, udviklere bruger til at bygge software. Handlen bringer Kilos fællesskab af mere end tre millioner udviklere ind i Anacondas udvidende enterprise AI-platform, hvilket udvider virksomhedens rækkevidde fra Python-pakker og produktionsorkestrering til integrerede udviklingsmiljøer og kommandolinjekommandoer. Meddelelsen afslørede ikke finansielle detaljer.

Kilo vil fortsætte med at fungere uden umiddelbare ændringer i eksisterende produkter, prissætninger eller kundesupport. Anaconda sagde, at yderligere oplysninger om, hvordan de to platforme vil blive integreret, vil blive offentliggjort senere.

At bringe AI-agenter ind i udviklingsmiljøet

Kilo Code er designet til, hvad virksomheden kalder “agentic engineering“, hvor AI-systemer gør mere end at foreslå enkeltstående kodelinjer. Dets agenter kan undersøge repositories, planlægge funktioner, ændre filer, undersøge fejl og udføre multi-trins udviklingsskridt.

Platformen fungerer på tværs af Visual Studio Code, JetBrains integrerede udviklingsmiljøer, en kommandolinje-grænseflade og cloud-baserede agenter. Den tilbyder flere driftsmodi, herunder en kodningsmodus til skrivning og omstrukturering af software, en arkitekturmodus til planlægning af komplekse projekter og en fejlfindingsmodus, der undersøger fejl og sporer potentielle problemer gennem en kodebase. Kilo har også udvidet til automatiseret kodegennemgang, fjernagenter og integrationer med samarbejdsværktøjer som Slack.

Dette giver Anaconda en direkte tilstedeværelse på det punkt, hvor udviklere først interagerer med AI under bygning af en applikation. I stedet for at indgå i arbejdsgangen primært, når hold samler Python-miljøer eller forbereder arbejdslast til distribution, vil Anaconda nu have teknologi integreret inden for miljøerne, hvor kode og AI-genererede artefakter oprettes.

En model-agnostisk tilgang til AI-kodning

En af Kilos mere konsekvensfulde funktioner er dens afvisning af at centrer platformen omkring en enkelt AI-modelleverandør. Dets gateway giver adgang til mere end 500 modeller gennem en samlet grænseflade, der dækker kommercielle frontsystemer, åbne vægtmodeller og specialiserede alternativer.

Udviklere kan vælge modeller direkte eller bruge automatisk routing til at matche forskellige modeller med forskellige arbejdslast. Kilos routingmuligheder inkluderer strategier fokuseret på modelkapacitet, lavere omkostninger, balanceret ydelse eller gratis modeller. Platformen kan derfor tildele en mere kapabel model til kompleks arkitektur og bruge en mindre dyrekøbsmodel til rutineingeniørmæssige opgaver.

Kilo understøtter også multiple udviklingsoverflader fra samme platform, herunder lokale integrerede udviklingsmiljøer, mobile applikationer, cloud-agenter og administrerede agentinstallationer. Dette bredere omfang adskiller det fra kodningsassistenter, der forbliver begrænsede til autocomplete eller chat inden for en enkelt editor.

Model fleksibilitet bliver mere og mere relevant, da organisationer forbruger større mængder tokens gennem softwareudviklingsagenter. Kilo siger, at det nu orkestrerer næsten 10 billioner tokens om måneden. På den skala kan evnen til at routere anmodninger baseret på opgavekompleksitet, pris og organisationspolitik have en betydelig effekt på omkostninger og operationelle afhængigheder.

At udvide Anacondas enterprise AI-strategi

Opkøbet er det seneste skridt i Anacondas bestræbelser på at genpositionere sig selv som en bredere grundlag for AI-naturlig softwareudvikling.

Anaconda er bedst kendt for sin Python-distribution og pakkeledelsesøkosystem, der hjælper udviklere med at installere biblioteker, løse afhængigheder og oprette reproducerbare miljøer. Dets enterprise-platform tilføjer kontroller til validering af pakker, scanning af sikkerhedssårbarheder og ledelse af de åbne kildekomponenter, der indgår i udviklingsmiljøer.

Virksomheden har stadig mere bevæget sig ud over pakkeledelse. Anaconda Platform kombinerer nu sin Python-basis med styrede miljøer og værktøjer til opbygning og drift af produktions AI-arbejdsgange. Dets AI-orkestreringslag tilbyder arbejdsgangsudførelse, overvågning, sporing og infrastrukturunderstøttelse, der er designet til at hjælpe hold med at flytte modeller fra eksperimenter til distribuerede applikationer.

Kilo udfylder en anden del af den livscyklus. Anaconda kan nu forbinde udviklingsmiljøet, hvor en agent modtager sin første prompt, med pakkerne, modellerne, infrastrukturen og orkestrerings-systemerne, der bruges til at køre den resulterende arbejdslast.

At bygge på Outerbounds-opkøbet

Kilo-handlen følger Anacondas opkøb af Outerbounds i april 2026, virksomheden bag det open-source Metaflow-rammeark, der oprindeligt blev skabt hos Netflix.

Outerbounds tilføjede produktionsarbejdsgangsorkstrering, artifact-sporing, eksperimentstyring og skalerbar beregning til Anaconda Platform. Dets teknologi er designet til at lade datavidenskabsfolk og maskinlæringsingeniører flytte arbejdslast over cloud-, data-platform- og hybrid-infrastruktur uden at tvinge dem til at antage en helt ny udviklingsmodel.

Med Outerbounds fik Anaconda mere af den infrastruktur, der er nødvendig for at udføre og overvåge AI-systemer i produktion. Kilo tilføjer den udvikler-orienterede agentlag på den anden side af processen. Sammen giver opkøbene Anaconda teknologi, der spænder over den initielle AI-assisterede kodningssession, pakke- og modelvalg, miljøstyring, arbejdsgangsorkstrering og produktionsdistribution.

Det betyder ikke, at alle disse komponenter allerede fungerer som en enkelt produkt. Anaconda har udtrykkeligt beskrevet den dybere forbindelse mellem Kilo og dets styrede pakker, modeller og miljøer som en retning, de bygger mod, snarere end en fuldt udbygget kapacitet.

Styring flytter tættere på den første prompt

Den enterprise-mæssige begrundelse for opkøbet er primært centreret omkring synlighed og kontrol.

Som udviklere adopterer AI-kodningsagenter gennem personlige konti, separate API-nøgler og flere modelleverandører, kan virksomheder have svært ved at bestemme, hvilke modeller der bliver brugt, hvor proprietær kode sendes, og hvor meget enkeltteam bruger.

Anacondas eksisterende sikkerhedsværktøjer scanner pakker, modeller og afhængigheder, før de indgår i produktionsmiljøer. Platformen understøtter også politikgennemførelse, revisionsstier, sårbarheds-overvågning og generering af software- og AI-materialeliste, der dokumenterer komponenterne, der er inkluderet i et projekt.

At forbinde disse kontroller med Kilo kunne muligvis tillade organisationer at anvende model- og pakkepolitikker meget tidligere i udviklingen. En virksomhed kunne f.eks. begrænse adgangen til ikke-godkendte modeller, opretholde optegnelser over AI-assisteret udviklingsaktivitet eller dirigere følsomme arbejdslast mod selv-værtede systemer.

Den praktiske værdi afhænger af, hvor dybt platformene er integreret. Enterprise-styring kan let blive endnu en lag af friktion, når politikker er dårligt implementeret, især hvis kontroller forstyrrer den fleksibilitet, der tiltrak udviklere til Kilo fra starten.

Hvad opkøbet betyder for Kilo-brugere

For eksisterende Kilo-brugere ændrer lidt med det samme. Kodningsagenten er stadig tilgængelig på tværs af VS Code, JetBrains, kommandolinjen og cloud-miljøer, med fortsat understøttelse af multiple modeller og leverandører.

Opkøbet kan give Kilo adgang til Anacondas enterprise-distribution, sikkerhedsekspertise og relationer til store organisationer. Anaconda siger, at dets økosystem når mere end 52 millioner brugere og bruges af 95% af Fortune 500, hvilket giver Kilo en vej ind i virksomheder, der måske har været tilbageholdende med at godkende selvstændige AI-udviklingsværktøjer.

På samme tid vil Anaconda være nødt til at bevare de egenskaber, der drev Kilos adoption, især dets open-source-rødder og model-agnostiske arkitektur. En enterprise-integration, der begrænser modelvalg eller gør produktet mere svært for enkeltudviklere at bruge, ville undergrave en central del af opkøbets strategiske logik.

Fremtidige implikationer

Opkøbet afspejler en bredere konsolidering, der finder sted på tværs af AI-softwareudvikling. Kodningsagenter, model-gateways, pakkesikkerhed, arbejdsgangsorkstrering og produktionsstyring har generelt opstået som separate produktkategorier. Anaconda forsøger at bringe disse lag sammen under en fælles platform.

Dets strategi dækker nu tre store stadier af AI-naturlig udvikling: Kilo tilbyder det agentic ingeniørmiljø, Anaconda Core styrer pakker og reproducerbare miljøer, og Outerbounds forsyner produktionsorkstrering.

Muligheden er at skabe en mere kontinuerlig vej fra en initial prompt til en styret produktionsdistribution. Udfordringen vil være at omdanne en samling af opkøbte og eksisterende teknologier til en samlet platform uden at reducere udviklervalg eller introducere excessiv kompleksitet.

Kilos produkter vil forblive tilgængelige uafhængigt, mens denne integration skrider frem. Den langsigtede betydning af opkøbet afhænger derfor mindre af antallet af understøttede modeller eller tokens, der for øjeblikket bearbejdes, og mere af, om Anaconda kan forbinde udvikler-venlige AI-agenter med enterprise-sikkerhed og produktionsinfrastruktur uden at kompromittere nogen af siderne.