Anaconda förvärvar Kilo Code för att expandera in i agentic mjukvaruutveckling

Anaconda har förvärvat Kilo Code, en öppen källkodsplattform som är oberoende av modell och som integrerar AI-agenter i de verktyg som utvecklare använder för att bygga programvara. Affären för med sig Kilos community med mer än tre miljoner utvecklare till Anacondas expanderande företagsplattform för AI, vilket utvidgar företagets räckvidd från Python-paket och produktionssamordning till integrerade utvecklingsmiljöer och kommandoradsarbetsflöden. Tillkännagivandet avslöjade inte finansiella detaljer.

Kilo kommer att fortsätta att fungera utan omedelbara förändringar i sina befintliga produkter, prissättningsplaner eller kundsupport. Anaconda säger att ytterligare information om hur de två plattformarna kommer att integreras kommer att meddelas senare.

Att införa AI-agenter i utvecklingsmiljön

Kilo Code är utformad för vad företaget kallar “agentic ingenjörskonst“, där AI-system gör mer än att föreslå enskilda kodrader. Dess agenter kan undersöka databaser, planera funktioner, modifiera filer, undersöka fel och utföra flerstegs utvecklingsuppgifter.

Plattformen fungerar över Visual Studio Code, JetBrains integrerade utvecklingsmiljöer, en kommandoradsgränssnitt och molnbaserade agenter. Den tillhandahåller flera driftslägen, inklusive ett kodningsläge för att skriva och omstrukturera programvara, ett arkitekturläge för att planera komplexa projekt och ett felsökningsläge som undersöker fel och spårar potentiella problem genom en kodbas. Kilo har också expanderat till automatiserad kodgranskning, fjärragenter och integreringar med samarbetsverktyg som Slack.

Detta ger Anaconda en direkt närvaro vid den punkt där utvecklare först interagerar med AI medan de bygger en applikation. Istället för att gå in i arbetsflödet främst när team sätter samman Python-miljöer eller förbereder arbetsbelastningar för distribution, kommer Anaconda nu att ha teknologi inbäddad i miljöerna där kod och AI-genererade artefakter skapas.

En modell-agnostisk approach till AI-kodning

En av Kilos mer betydelsefulla funktioner är dess vägran att centra plattformen kring en enda AI-modellleverantör. Dess gateway ger åtkomst till mer än 500 modeller genom ett enhetligt gränssnitt, som täcker kommersiella gränsystem, öppna modeller och specialiserade alternativ.

Utvecklare kan välja modeller direkt eller använda automatisk routning för att matcha olika modeller med olika arbetsbelastningar. Kilos routningsalternativ inkluderar strategier som fokuserar på modellförmåga, lägre kostnader, balanserad prestanda eller gratis modeller. Plattformen kan därför tilldela en mer kapabel modell till komplex arkitekturarbete medan en mindre dyr modell används för rutinmässiga ingenjörsuppgifter.

Kilo stöder också flera utvecklingsytor från samma plattform, inklusive lokala integrerade utvecklingsmiljöer, mobilapplikationer, molnbaserade agenter och hanterade agentdistributioner. Detta bredare omfång skiljer det från kodhjälpare som förblir begränsade till autocomplete eller chatt inne i en enskild redigerare.

Modellflexibilitet blir alltmer relevant när organisationer konsumerar större volymer tokens genom programvaruutvecklingsagenter. Kilo säger att det nu orkestrerar nästan 10 biljoner tokens per månad. I den skalan kan förmågan att dirigera förfrågningar baserat på uppgiftskomplexitet, pris och organisationspolicy ha en betydande effekt på kostnader och operativa beroenden.

Att utöka Anacondas företagsstrategi för AI

Förvärvet är det senaste steget i Anacondas ansträngningar att ompositionera sig som en bredare grund för AI-nativ programvaruutveckling.

Anaconda är mest känd för sin Python-distribution och paketekosystem, som hjälper utvecklare att installera bibliotek, lösa beroenden och skapa reproducerbara miljöer. Dess företagsplattform lägger till kontroller för att validera paket, skanna efter säkerhetssårbarheter och hantera de öppna källkodskomponenter som kommer in i utvecklingsmiljöer.

Företaget har alltmer flyttat bortom pakethantering. Anaconda-plattformen kombinerar nu sin Python-bas med styrda miljöer och verktyg för att bygga och köra produktion AI-arbetsflöden. Dess AI-orchestreringslager tillhandahåller arbetsflödesutförande, observerbarhet, spårbarhet och infrastrukturstöd som avses att hjälpa team att flytta modeller från experiment till distribuerade applikationer.

Kilo fyller en annan del av den livscykeln. Anaconda kan nu ansluta utvecklingsmiljön där en agent får sin första prompt med paket, modeller, infrastruktur och orchestreringsystem som används för att köra den resulterande arbetsbelastningen.

Att bygga på Outerbounds-förvärvet

Kilo-affären följer Anacondas förvärv av Outerbounds i april 2026, företaget bakom den öppna källkodsramverket Metaflow som ursprungligen skapades på Netflix.

Outerbounds lade till produktion arbetsflödesorchestrering, artefaktspårning, experimenthantering och skalbar beräkning till Anaconda-plattformen. Dess teknik är utformad för att låta dataforskare och maskinläringsingenjörer flytta arbetsbelastningar över moln, data-plattform och hybridinfrastruktur utan att tvinga dem att anta en helt ny utvecklingsmodell.

Med Outerbounds fick Anaconda mer av den infrastruktur som krävs för att köra och observera AI-system i produktion. Kilo lägger till utvecklarvänliga AI-agenter vid den andra änden av processen. Tillsammans ger förvärven Anaconda teknologi som spänner över den initiala AI-assisterade kodsessionen, paket- och modellval, miljöhantering, arbetsflödesorchestrering och produktionssdistribution.

Det betyder inte att alla dessa komponenter redan fungerar som en enda produkt. Anaconda har explicit beskrivit den djupare anslutningen mellan Kilo och dess styrda paket, modeller och miljöer som en riktning de bygger mot, snarare än en fullt tillgänglig funktion.

Styrning flyttar närmare den första prompten

Företagsrationalet för förvärvet är i stor utsträckning centrerat kring synlighet och kontroll.

När utvecklare antar AI-kodagenter genom personliga konton, separata API-nycklar och flera modellleverantörer, kan företag kämpa för att avgöra vilka modeller som används, var proprietär kod skickas och hur mycket enskilda team spenderar.

Anacondas befintliga säkerhetsverktyg skannar paket, modeller och beroenden innan de kommer in i produktionmiljöer. Plattformen stöder också policytillämpning, revisionsledningar, sårbarhetsövervakning och generering av programvara och AI-materiel som dokumenterar komponenterna i ett projekt.

Att ansluta dessa kontroller med Kilo kunde så småningom tillåta organisationer att tillämpa modell- och paketpolicyer mycket tidigare i utvecklingen. Ett företag kunde till exempel begränsa åtkomst till ogodkända modeller, upprätthålla register över AI-assisterad utvecklingsaktivitet eller dirigera känsliga arbetsbelastningar mot självvärdshostade system.

Den praktiska värdet kommer att bero på hur djupt plattformarna integreras. Företagsstyrning kan lätt bli en annan lager av friktion när policys implementeras dåligt, särskilt om kontroller stör den flexibilitet som lockade utvecklare till Kilo från första början.

Vad förvärvet betyder för Kilo-användare

För befintliga Kilo-användare förändras lite omedelbart. Kodagenten förblir tillgänglig över VS Code, JetBrains, kommandoraden och molnmiljöer, med fortsatt stöd för flera modeller och leverantörer.

Förvärvet kan ge Kilo tillgång till Anacondas företagsdistribution, säkerhetsexpertis och relationer med stora organisationer. Anaconda säger att dess ekosystem når mer än 52 miljoner användare och används av 95% av Fortune 500, vilket ger Kilo en väg in i företag som kan ha varit ovilliga att godkänna fristående AI-utvecklingsverktyg.

Samtidigt måste Anaconda bevara de egenskaper som drev Kilos antagande, särskilt dess öppna källkodsrots och modell-agnostiska arkitektur. En företagsintegration som begränsar modellvalet eller gör produkten svårare för enskilda utvecklare att använda skulle undergräva en central del av förvärvets strategiska logik.

Framtida implikationer

Förvärvet speglar en bredare konsolidering som sker inom AI-programvaruutveckling. Kodagenter, modellgränssnitt, paketsäkerhet, arbetsflödesorchestrering och produktionstyrning har vanligtvis dykt upp som separata produktkategorier. Anaconda försöker bringa dessa lager samman under en gemensam plattform.

Dess strategi täcker nu tre stora stadier av AI-nativ utveckling: Kilo tillhandahåller den agentic ingenjörsmiljön, Anaconda Core hanterar paket och reproducerbara miljöer och Outerbounds tillhandahåller produktionssamordning.

Möjligheten är att skapa en mer kontinuerlig väg från en initial prompt till en styrbar produktionssdistribution. Utmaningen kommer att vara att omvandla en samling förvärvade och befintliga teknologier till en sammanhängande plattform utan att reducera utvecklarval eller introducera onödig komplexitet.

Kilos produkter kommer att förbli tillgängliga oberoende medan den integrationen fortskrider. Den långsiktiga betydelsen av förvärvet kommer därför att bero mindre på antalet stödda modeller eller tokens som för närvarande bearbetas och mer på om Anaconda kan ansluta utvecklarvänliga AI-agenter med företagssäkerhet och produktionsinfrastruktur utan att kompromissa med någon av sidorna.