Anaconda Mengakuisisi Kilo Code untuk Memperluas Pengembangan Perangkat Lunak Berbasis Agen

Anaconda telah mengakuisisi Kilo Code, sebuah platform terbuka, model-agnostik yang memasukkan agen AI ke dalam alat yang digunakan pengembang untuk membangun perangkat lunak. Kesepakatan ini membawa komunitas Kilo yang memiliki lebih dari tiga juta pengembang ke dalam platform AI perusahaan Anaconda, memperluas jangkauan perusahaan dari paket Python dan orkestrasi produksi ke lingkungan pengembangan terintegrasi dan alur kerja baris perintah. Pengumuman ini tidak mengungkapkan syarat keuangan.

Kilo akan terus beroperasi tanpa perubahan segera pada produk, rencana harga, atau dukungan pelanggan yang ada. Anaconda mengatakan detail tambahan tentang bagaimana kedua platform akan diintegrasikan akan diumumkan kemudian.

Membawa Agen AI ke Lingkungan Pengembangan

Kilo Code dirancang untuk apa yang disebut perusahaan sebagai “rekayasa agen“, di mana sistem AI melakukan lebih dari sekadar menyarankan garis kode individu. Agen-agen dapat memeriksa repositori, merencanakan fitur, memodifikasi file, menyelidiki kesalahan, dan mengeksekusi tugas pengembangan multi-langkah.

Platform ini bekerja di Visual Studio Code, lingkungan pengembangan terintegrasi JetBrains, antarmuka baris perintah, dan agen berbasis cloud. Ini menyediakan beberapa mode operasi, termasuk mode pengkodean untuk menulis dan merefakktor perangkat lunak, mode arsitektur untuk merencanakan proyek kompleks, dan mode debugging yang memeriksa kesalahan dan melacak masalah potensial melalui basis kode. Kilo juga telah memperluas ke dalam tinjauan kode otomatis, agen jarak jauh, dan integrasi dengan alat kolaborasi seperti Slack.

Ini memberi Anaconda kehadiran langsung di titik di mana pengembang pertama kali berinteraksi dengan AI saat membangun aplikasi. Alih-alih memasuki alur kerja terutama ketika tim mengumpulkan lingkungan Python atau mempersiapkan beban kerja untuk penerapan, Anaconda sekarang akan memiliki teknologi yang tertanam di dalam lingkungan di mana kode dan artefak yang dihasilkan AI dibuat.

Pendekatan Model-Agnostik untuk Pengkodean AI

Salah satu fitur Kilo yang paling konsekuensial adalah penolakannya untuk mengelilingi platform di sekitar penyedia model AI tunggal. Gerbangnya menyediakan akses ke lebih dari 500 model melalui antarmuka terpadu, mencakup sistem komersial, model terbuka, dan alternatif khusus.

Pengembang dapat memilih model secara langsung atau menggunakan pengalihan otomatis untuk mencocokkan model yang berbeda dengan beban kerja yang berbeda. Opsi pengalihan Kilo termasuk strategi yang berfokus pada kemampuan model, biaya yang lebih rendah, kinerja yang seimbang, atau model gratis. Platform ini dapat mengassign model yang lebih mampu untuk pekerjaan arsitektur yang kompleks sambil menggunakan model yang kurang mahal untuk tugas rekayasa rutin.

Kilo juga mendukung beberapa permukaan pengembangan dari platform yang sama, termasuk lingkungan pengembangan terintegrasi lokal, aplikasi seluler, agen cloud, dan penerapan agen yang dikelola. Cakupan yang lebih luas ini membedakannya dari asisten pengkodean yang tetap terbatas pada autocomplete atau obrolan di dalam editor tunggal.

Fleksibilitas model menjadi semakin relevan karena organisasi mengonsumsi volume token yang lebih besar melalui agen pengembangan perangkat lunak. Kilo mengatakan bahwa sekarang mereka mengatur hampir 10 triliun token per bulan. Pada skala itu, kemampuan untuk mengalihkan permintaan berdasarkan kompleksitas tugas, harga, dan kebijakan organisasi dapat memiliki efek yang signifikan pada biaya dan ketergantungan operasional.

Memperluas Strategi AI Perusahaan Anaconda

Akuisisi ini adalah langkah terbaru dalam upaya Anaconda untuk memposisikan kembali dirinya sebagai landasan yang lebih luas untuk pengembangan perangkat lunak asli AI.

Anaconda paling dikenal dengan distribusi Python dan ekosistem manajemen paket, yang membantu pengembang menginstal perpustakaan, memecahkan ketergantungan, dan membuat lingkungan yang dapat direproduksi. Platform perusahaan menambahkan kontrol untuk memvalidasi paket, memindai kerentanan keamanan, dan mengelola komponen sumber terbuka yang memasuki lingkungan pengembangan.

Perusahaan telah semakin bergerak melampaui manajemen paket. Platform Anaconda sekarang menggabungkan fondasi Python dengan lingkungan yang dikelola dan alat untuk membangun dan mengoperasikan alur kerja produksi AI. Lapisan orkestrasi AI menyediakan eksekusi alur kerja, observabilitas, jejak, dan dukungan infrastruktur yang dimaksudkan untuk membantu tim memindahkan model dari eksperimen ke aplikasi yang diterapkan.

Kilo mengisi bagian lain dari siklus hidup itu. Anaconda sekarang dapat menghubungkan lingkungan pengembangan di mana agen menerima prompt pertamanya dengan paket, model, infrastruktur, dan sistem orkestrasi yang digunakan untuk menjalankan beban kerja yang dihasilkan.

Membangun di Atas Akuisisi Outerbounds

Kesepakatan Kilo ini mengikuti akuisisi Anaconda atas Outerbounds pada April 2026, perusahaan di balik kerangka kerja Metaflow sumber terbuka yang awalnya dibuat di Netflix.

Outerbounds menambahkan orkestrasi alur kerja produksi, pelacakan artefak, manajemen eksperimen, dan komputasi yang dapat diskalakan ke Platform Anaconda. Teknologinya dirancang untuk memungkinkan ilmuwan data dan insinyur pembelajaran mesin memindahkan beban kerja di seluruh infrastruktur cloud, platform data, dan hybrid tanpa memaksa mereka untuk mengadopsi model pengembangan yang sama sekali baru.

Dengan Outerbounds, Anaconda memperoleh lebih banyak infrastruktur yang diperlukan untuk menjalankan dan mengamati sistem AI di produksi. Kilo menambahkan lapisan agen yang menghadap pengembang di ujung lain proses. Bersama, akuisisi ini memberi Anaconda teknologi yang mencakup sesi pengkodean AI yang dimulai, pemilihan paket dan model, manajemen lingkungan, orkestrasi alur kerja, dan penerapan produksi.

Itu tidak berarti semua komponen ini sudah beroperasi sebagai satu produk. Anaconda telah secara eksplisit menggambarkan koneksi yang lebih dalam antara Kilo dan paket, model, dan lingkungan yang dikelolanya sebagai arah yang sedang dibangun, bukan kemampuan yang sepenuhnya tersedia.

Pengawasan Bergerak Lebih Dekat ke Prompt Pertama

Rasio perusahaan untuk akuisisi ini sebagian besar berpusat pada visibilitas dan kontrol.

Ketika pengembang mengadopsi agen pengkodean AI melalui akun pribadi, kunci antarmuka pemrograman aplikasi yang terpisah, dan penyedia model yang berbeda, perusahaan dapat kesulitan menentukan model mana yang digunakan, di mana kode propietary dikirim, dan berapa banyak tim individu menghabiskan.

Alat keamanan Anaconda yang ada memindai paket, model, dan ketergantungan sebelum mereka memasuki lingkungan produksi. Platform ini juga mendukung penerapan kebijakan, pelacakan audit, pemantauan kerentanan, dan pembuatan tagihan bahan perangkat lunak dan AI yang mendokumentasikan komponen yang disertakan dalam proyek.

Menghubungkan kontrol ini dengan Kilo dapat memungkinkan organisasi untuk menerapkan kebijakan model dan paket jauh lebih awal dalam pengembangan. Sebuah perusahaan dapat, misalnya, membatasi akses ke model yang tidak disetujui, mempertahankan catatan aktivitas pengembangan yang dibantu AI, atau mengarahkan beban kerja yang sensitif ke sistem yang dihosting sendiri.

Nilai praktis akan tergantung pada seberapa dalam integrasi platform. Pengawasan perusahaan dapat dengan mudah menjadi lapisan gesekan lain ketika kebijakan diimplementasikan dengan buruk, terutama jika kontrol mengganggu fleksibilitas yang menarik pengembang ke Kilo dari awal.

Apa yang Dimaksud Akuisisi Ini untuk Pengguna Kilo

Bagi pengguna Kilo yang ada, sedikit yang berubah segera. Agen pengkodean tetap tersedia di VS Code, JetBrains, baris perintah, dan lingkungan cloud, dengan dukungan terus-menerus untuk model dan penyedia yang berbeda.

Akuisisi ini mungkin memberi Kilo akses ke distribusi perusahaan Anaconda, keahlian keamanan, dan hubungan dengan organisasi besar. Anaconda mengatakan ekosistemnya mencapai lebih dari 52 juta pengguna dan digunakan oleh 95% dari Fortune 500, memberi Kilo jalur ke perusahaan yang mungkin telah enggan menyetujui alat pengembangan AI mandiri.

Pada saat yang sama, Anaconda perlu mempertahankan kualitas yang mendorong adopsi Kilo, terutama akar sumber terbuka dan arsitektur model-agnostik. Integrasi perusahaan yang membatasi pilihan model atau membuat produk lebih sulit digunakan oleh pengembang individu akan melemahkan logika strategis akuisisi.

Implikasi Masa Depan

Akuisisi ini mencerminkan konsolidasi yang lebih luas yang terjadi di seluruh pengembangan perangkat lunak AI. Agen pengkodean, gerbang model, keamanan paket, orkestrasi alur kerja, dan pengawasan produksi umumnya muncul sebagai kategori produk yang terpisah. Anaconda berusaha untuk membawa lapisan-lapisan ini bersama di bawah platform yang sama.

Strateginya sekarang mencakup tiga tahap utama pengembangan asli AI: Kilo menyediakan lingkungan rekayasa agen, Anaconda Core mengelola paket dan lingkungan yang dapat direproduksi, dan Outerbounds menyuplai orkestrasi produksi.

Kesempatan ini adalah untuk menciptakan jalur yang lebih berkelanjutan dari prompt awal ke penerapan produksi yang dikelola. Tantangan akan menjadi mengubah kumpulan teknologi yang diperoleh dan ada menjadi platform yang kohesif tanpa mengurangi pilihan pengembang atau memperkenalkan kompleksitas yang berlebihan.

Produk Kilo akan tetap tersedia secara mandiri selama integrasi berlangsung. Pentingnya jangka panjang akuisisi ini akan tergantung lebih sedikit pada jumlah model yang didukung atau token yang diproses saat ini, dan lebih pada apakah Anaconda dapat menghubungkan agen AI yang ramah pengembang dengan infrastruktur keamanan dan produksi perusahaan tanpa mengompromikan salah satu sisi.