Anaconda kjøper Kilo Code for å utvide inn i agensbasert programvareutvikling

Anaconda har kjøpt Kilo Code, en åpen kildekode, modell-uavhengig plattform som integrerer AI-agenter i verktøyene utviklerne bruker til å bygge programvare. Avtalen bringer Kilos samfunn av over tre millioner utviklere inn i Anacondas utvidede bedrifts AI-plattform, og utvider selskapets rekkevidde fra Python-pakker og produksjonsorkestrering til integrerte utviklingsmiljøer og kommandolinjegrensesnitt. Annonsen avslørte ikke finansielle detaljer.

Kilo vil fortsette å operere uten umiddelbare endringer i eksisterende produkter, prisanalyse eller kundeservice. Anaconda sa at ytterligere detaljer om hvordan de to plattformene vil integreres, vil bli annonsert senere.

Bringing AI Agents Into the Development Environment

Kilo Code er designet for det selskapet kaller “agensbasert ingeniørarbeid“, der AI-systemer gjør mer enn å foreslå enkelt kode. Deres agenter kan undersøke repositorier, planlegge funksjoner, modifisere filer, undersøke feil og utføre flertrinnsutviklingoppgaver.

Plattformen fungerer på tvers av Visual Studio Code, JetBrains integrerte utviklingsmiljøer, kommandolinjegrensesnitt og skybaserte agenter. Den tilbyr flere driftsmodi, inkludert en kode-modus for å skrive og omstrukturere programvare, en arkitektur-modus for å planlegge komplekse prosjekter og en feilsøkingsmodus som undersøker feil og sporer potensielle problemer gjennom en kodebase. Kilo har også utvidet til automatisert kodegjennomgang, fjernagenter og integrasjoner med samarbeidsverktøy som Slack.

Dette gir Anaconda en direkte tilstedeværelse der utviklere først samhandler med AI mens de bygger en applikasjon. I stedet for å gå inn i arbeidsflyten primært når team samler Python-miljøer eller forbereder arbeidsbyrder for distribusjon, vil Anaconda nå ha teknologi integrert inne i miljøene hvor kode og AI-genererte artefakter skapes.

A Model-Agnostic Approach to AI Coding

En av Kilos mest konsekvensfulle funksjoner er dens nektelse på å sentrere plattformen rundt en enkelt AI-modellleverandør. Dens gateway gir tilgang til over 500 modeller gjennom et forent grensesnitt, som dekker kommersielle grensesystemer, åpne vekttallmodeller og spesialiserte alternativer.

Utviklere kan velge modeller direkte eller bruke automatisk routing til å sammenligne forskjellige modeller med forskjellige arbeidsbyrder. Kilos routing-alternativer inkluderer strategier fokusert på modellkapasitet, lavere kostnader, balansert ytelse eller gratis modeller. Plattformen kan derfor tildele en mer kapabel modell til komplekse arkitekturarbeid mens den bruker en mindre kostbar modell for rutinemessige ingeniørarbeid.

Kilo støtter også flere utviklingsflater fra samme plattform, inkludert lokale integrerte utviklingsmiljøer, mobilapplikasjoner, skybaserte agenter og administrerte agent-distribusjoner. Dette bredere omfanget skiller det fra kodehjelpere som forblir begrenset til autocomplete eller chat inne i en enkelt editor.

Modellfleksibilitet blir stadig mer relevant når organisasjoner konsumerer større volumer av tokens gjennom programvareutviklingsagenter. Kilo sier at det nå orkestrerer nesten 10 billioner tokens per måned. På denne skalaen kan evnen til å rute forespørsler basert på oppgavekompleksitet, pris og organisatorisk politikk ha en betydelig effekt på kostnader og operasjonelle avhengigheter.

Extending Anaconda’s Enterprise AI Strategy

Akvitsjonen er det siste steget i Anacondas forsøk på å omposisjonere seg selv som en bredere basis for AI-nativ programvareutvikling.

Anaconda er best kjent for sin Python-distribusjon og pakkeledningssystem, som hjelper utviklere å installere biblioteker, løse avhengigheter og skape reproduserbare miljøer. Dets bedriftsplattform legger til kontroller for å validere pakker, skanne etter sikkerhetssvakheter og håndtere åpne kildekodemoduler som kommer inn i utviklingsmiljøer.

Selskapet har stadig beveget seg utenfor pakkeledning. Anaconda-plattformen kombinerer nå sin Python-basis med styrt miljø og verktøy for å bygge og operere produksjonsklare AI-arbeidsflyter. Dets AI-orkesetreringslag tilbyr arbeidsflyt-eksekvering, overvåkning, sporing og infrastruktur-støtte ment å hjelpe team å flytte modeller fra eksperimentering til distribuerte applikasjoner.

Kilo fyller en annen del av denne livssyklusen. Anaconda kan nå koble utviklingsmiljøet hvor en agent mottar sin første forespørsel med pakker, modeller, infrastruktur og orkestreringsystemer brukt til å kjøre den resulterende arbeidsbyrden.

Building on the Outerbounds Acquisition

Kilo-avtalen følger Anacondas akvisisjon av Outerbounds i april 2026, selskapet bak den åpne kildekodemodellen Metaflow opprinnelig skapt i Netflix.

Outerbounds la til produksjonsarbeidsflyt-orkesetrering, artefaktsporing, eksperimentstyring og skalerbar beregning til Anaconda-plattformen. Dets teknologi er designet for å la dataforskere og maskinlæringsingeniører flytte arbeidsbyrder over sky, dataplatform og hybrid-infrastruktur uten å tvinge dem til å adoptere en helt ny utviklingsmodell.

Med Outerbounds fikk Anaconda mer av infrastrukturen nødvendig for å kjøre og overvåke AI-systemer i produksjon. Kilo legger til utviklerrettede agentlaget på den andre siden av prosessen. Sammen gir akvisisjonene Anaconda teknologi som spenner over den initielle AI-assisterte kode-sesjonen, pakke- og modellvalg, miljøstyring, arbeidsflyt-orkesetrering og produksjonsdistribusjon.

Dette betyr ikke at alle disse komponentene allerede fungerer som en enkelt produkt. Anaconda har uttrykkelig beskrevet den dypere tilkoblingen mellom Kilo og dets styrt pakker, modeller og miljøer som en retning det bygger mot, snarere enn en fullt tilgjengelig funksjonalitet.

Governance Moves Closer to the First Prompt

Den bedriftsmessige begrunnelsen for akvisisjonen er i stor grad sentrert rundt synlighet og kontroll.

Som utviklere adopterer AI-kodeagenter gjennom personlige kontoer, separate API-nøkler og flere modellleverandører, kan selskaper slite med å bestemme hvilke modeller som brukes, hvor proprietær kode sendes og hvor mye enkeltteam bruker.

Anacondas eksisterende sikkerhetsteknologi skanner pakker, modeller og avhengigheter før de kommer inn i produksjonsmiljøer. Plattformen støtter også politikk-gjennomføring, audit-spor, sårbarhets-overvåking og generering av programvare- og AI-materiale som dokumenterer komponentene inkludert i et prosjekt.

Kobling av disse kontrollene med Kilo kan til slutt tillate organisasjoner å anvende modell- og pakkepolitikk mye tidligere i utviklingen. Et selskap kunne, for eksempel, begrense tilgang til ugodkjente modeller, vedlikeholde poster over AI-assistert utviklingsaktivitet eller rette følsomme arbeidsbyrder mot selvvertede systemer.

Den praktiske verdien vil avhenge av hvor dypt plattformene er integrert. Bedriftsstyring kan lett bli et annet lag med friksjon når politikker er dårlig implementert, spesielt hvis kontrollene forstyrer fleksibiliteten som tiltalte utviklere til Kilo fra første sted.

What the Acquisition Means for Kilo Users

For eksisterende Kilo-brukere, endres lite umiddelbart. Kodeagenten forblir tilgjengelig på tvers av VS Code, JetBrains, kommandolinjegrensesnitt og sky-miljøer, med fortsatt støtte for flere modeller og leverandører.

Akvisisjonen kan gi Kilo tilgang til Anacondas bedriftsdistribusjon, sikkerhetsekspertise og forhold til store organisasjoner. Anaconda sier at dets økosystem når over 52 millioner brukere og brukes av 95% av Fortune 500, og gir Kilo en vei inn i selskaper som kan ha vært motvillige til å godkjenne selvstendige AI-utviklingsverktøy.

Samtidig må Anaconda bevare de kvalitetene som drev Kilos adopsjon, spesielt dets åpne kildekoderøtter og modell-uavhengige arkitektur. En bedriftsintegrasjon som begrenser modellvalg eller gjør produktet mer vanskelig for enkeltutviklere å bruke, ville undergrave en sentral del av akvisisjonens strategiske logikk.

Future Implications

Akvitsjonen reflekterer en bredere konsolidering som finner sted over AI-programvareutvikling. Kodeagenter, modell-gateways, pakkesikkerhet, arbeidsflyt-orkesetrering og produksjonsstyring har generelt oppstått som separate produktkategorier. Anaconda prøver å bringe disse lagene sammen under en felles plattform.

Dets strategi dekker nå tre store stadier av AI-nativ utvikling: Kilo tilbyr det agensbaserte ingeniørmiljøet, Anaconda Core styrer pakker og reproduserbare miljøer, og Outerbounds forsyner produksjonsorkesetrering.

Muligheten er å skape en mer sammenhengende vei fra en initial forespørsel til en styrt produksjonsdistribusjon. Utfordringen vil være å omdanne en samling av kjøpte og eksisterende teknologier til en koherent plattform uten å redusere utvikler-valg eller introdusere unødvendig kompleksitet.

Kilos produkter vil forblir tilgjengelige uavhengig mens denne integrasjonen skjer. Den langsiktige betydningen av akvisisjonen vil derfor avhenge mindre av antall støttede modeller eller tokens som nå behandles, og mer av om Anaconda kan koble utvikler-vennlige AI-agenter med bedriftssikkerhet og produksjonsinfrastruktur uten å kompromittere noen av sidene.