Новый ИИ-разработчик GitHub — секретное оружие

10 ноября 2025 года GitHub выпустил нового ИИ-программиста, и почти никто этого не заметил. В рамках обычного журнала изменений компания анонсировала, что Raptor mini «начинает публичную предварительную версию» для GitHub Copilot, доступный из всплывающего меню в Visual Studio Code. Никакой ключевой речи, никакого глубокого блога, просто одно абзацное уведомление о том, что может стать важнейшей моделью GitHub.

Тишина вокруг запуска выглядит намеренной. GitHub выпустил Raptor mini без публичных бенчмарков, без модели и без технической документации, объясняющей, как эта доработанная версия GPT‑5 mini сравнивается с существующими моделями GitHub Copilot или конкурентами, такими как Claude. Разработчики получили лишь расплывчатое обещание «быстрого и точного завершения кода и объяснений» и информацию о том, что он поддерживает режим агента и все типы взаимодействия с GitHub Copilot.

Сравните это с тем, как действуют конкуренты. Когда Google выпускает новый вариант Gemini или OpenAI обновляет GPT-5, они устраивают многочасовые прямые трансляции, публикуют подробные спецификации и заполняют социальные сети выбранными демонстрациями и таблицами результатов. Raptor mini, в свою очередь, появился как ночная сборка: без эффектных роликов, без тщательно подобранных отзывов партнеров, просто «он теперь существует, и вы можете его выбрать».

Этот низкий профиль создает странное напряжение. На бумаге Raptor mini демонстрирует серьезное оборудование: примерно 264,000 токенов контекстного окна, ограничение на 64,000 токенов выхода и полную поддержку вызовов инструментов, редактирования нескольких файлов и рабочих процессов агентов внутри VS Code. Тем не менее, GitHub отказался опубликовать хотя бы одну диаграмму задержки, график точности или сравнение со своими более крупными моделями.

Вместо эталонов ранние пользователи получают вызов. Если вы хотите узнать, что может сделать Raptor mini, вам нужно направить его на реальный код и выяснить это на собственном опыте. Именно это и сделала команда Better Stack, попросив модель создать полнофункциональную панель мониторинга спутникового слежения в реальном времени с нуля и замеряя, как быстро она сможет собрать рабочий стек.

Тихий дебют Raptor mini превращает GitHub Copilot в своего рода эксперимент с черным ящиком. Поскольку GitHub отказывается хвалиться его достижениями, единственный способ понять эту модель — воспринимать ее как нового сотрудника: дать ей реальные задачи, проверить различия и выяснить, оправданы ли ожидания.

Mini в новой линейке моделей GitHub не означает игрушку. Официально, Raptor mini является хорошо настроенным вариантом GPT-5 mini, обученным для общего программирования и написания текстов, при этом GitHub позиционирует его как оптимизированный по скорости движок для быстрых и точных завершений и объяснений внутри GitHub Copilot. Он поддерживает все режимы GitHub Copilot в Visual Studio Code: чат, встроенные предложения, редактирование и полноценные рабочие процессы агентов.

Скудный журнал изменений GitHub лишь подтверждает, что Raptor mini — это «модель GPT-5 mini, дообученная для общего программирования», но другие детали просочились через разговоры и подкасты. Внутри она имеет контекстное окно примерно на 264,000 токенов и выходное окно на 64,000 токенов, что приближает её к тяжеловесным моделям, а не к «мини» брендингу, которого ожидают разработчики.

Юлия Каспер из команды VS Code попыталась пересмотреть эти ожидания. «Учтите, что это мини», — сказала она в подкасте Microsoft, подчеркивая, что модель оптимизирована для скорости и для «меньших задач, вещей, которые не такие сложные», где требуется мгновенная обратная связь, а не глубокое проектирование системы. Для масштабных рефакторингов или новых архитектур она все еще советует разработчикам обращаться к более крупным семействам, таким как Claude или полная версия GPT-5.

Само название является маркетинговым упражнением, наложенным на довольно обычное внутреннее кодовое имя. Casper описывает Raptor как просто кодовое имя, выбранное для соответствия тематике “птичьей группы”, которую GitHub использует для своих моделей и услуг. Затем маркетинг настоял на чем-то немного загадочном и с животными ассоциациями, выбрав "Raptor mini" вместо еще одного сухого алфавитно-цифрового SKU.

Разработчики увидели слово mini и предположили, что это модель помощника: хорошо подходит для документации, юнит-тестов, возможно, для быстрой регулярной обработки. Тем не менее, ранние практические отчеты описывают что-то ближе к рабочей лошадке, чем к вспомогательному инструменту, особенно для повседневных правок и доработки функций.

Это несоответствие между обозначением и реальностью явно видно в тестах сообщества. Команда Better Stack, например, попросила Raptor mini создать полноценную панель управления спутниковыми данными в реальном времени с нуля, подключив сторонний API, настроив бекенд на Express, фронтенд на стилях vanilla JavaScript и CSS, а также создав 3D-глобус с помощью Three.js, и получила рабочий прототип примерно за 45 секунд. На практике Mini больше напоминает «оптимизированный для латентности», чем «ограниченный».

Минимальный брендинг сталкивается с цифрами, как контекстное окно в 264,000 токенов. Это примерно соответствует возможности обрабатывать сотни страниц кода, документов и логов одновременно, что достаточно для хранения целого среднеразмерного монорепозитория или полного стека React/Node вместе с его README-файлами и API-справками в одном запросе. Для разработчиков это означает, что GitHub Copilot может рассуждать о функции на уровне фронтенда, бэкенда, тестов и конфигурации, не теряя при этом прежний контекст.

Такое большое окно меняет ваше взаимодействие с унаследованным кодом. Вы можете загрузить сервис на 20,000 строк Java, сложную конфигурацию webpack и неудачный интеграционный тест, а затем попросить Raptor mini проследить за ошибкой от начала до конца. Вместо того чтобы вставлять крошечные фрагменты, вы обращаетесь с моделью как с новым сотрудником, который только что провел неделю, изучая весь ваш репозиторий.

Размер вывода также имеет большое значение. С 64,000 токенов в окне вывода Raptor mini может генерировать десятки тысяч строк кода или различий за один раз. Это открывает возможности для операций, которые ранее требовали нескольких проходов, слияний и человеческой помощи.

Крупномасштабные рефакторинги внезапно превращаются в единичные задачи. Вы можете попросить его сделать следующее: - Перенести каждый класс в пакете с обратных вызовов на async/await - Заменить пользовательский уровень логирования на OpenTelemetry во всех сервисах - Сгенерировать полные тестовые наборы для нескольких модулей за один запуск

Это не игрушечные «мини» нагрузки, и именно здесь брендинг начинает выглядеть намеренно вводящим в заблуждение. Официальные сообщения представляют Raptor mini как оптимизированный для скорости и «меньших задач», однако его реальные характеристики и выходные спецификации соперничают или превосходят многие флагманские модели. Название выглядит не как ограничение возможностей, а скорее как шаг по позиционированию, чтобы избежать каннибализации более тяжелых и дорогих вариантов.

Режим агента — это когда эти спецификации перестают быть абстрактными числами и начинают восприниматься как новая примитивная конструкция IDE. С загруженным в контекст объемом 264k, агент может планировать многоступенчатые изменения, открывать и изменять десятки файлов, обновлять импорты и регенерировать тесты, сохраняя целостное представление о проекте. Редактирование нескольких файлов перестает быть хрупким процессом "файл за файлом" и становится единой, согласованной операцией, координируемой моделью.

Собственная запись о сменах GitHub, Raptor mini выходит в публичный предварительный просмотр для GitHub Copilot, лишь намекает на то, насколько экстремальны эти показатели. Спецификации могут указывать на "мини", но поведение ближе к полноценному движку кодирования, скрывающемуся за бюджетной этикеткой.

Better Stack не начинал с игрушечной задачи. Вместо этого команда попросила Raptor mini создать полноценную панель мониторинга спутников в реальном времени с нуля, рассматривая модель не как автозаполнение, а как контрактного инженера. Предпосылка: если «мини» кодер от GitHub может разработать приложение от начала до конца, тогда это обозначение перестает означать «маленький» и начинает значить «достаточно быстрый для серьезной работы».

Задача возникла прямо из их эксперимента на YouTube «GitHub тихо выпустил новую модель GitHub Copilot… и она ДЕЙСТВИТЕЛЬНО хороша!» Вместо одной функции или рефакторинга задание требовало создания веб-приложения в производственном стиле, которое отслеживает Международную космическую станцию и отобранные спутники Starlink, обновляет их позиции в реальном времени и отображает их на карте или глобусе.

Этот масштаб сразу же выходит за рамки "мелких задач", о которых говорила Джулия Каспер из Microsoft в подкасте. Панель мониторинга в реальном времени требует full‑stack поведения: интеграции API на стороне сервера, логики рендеринга на стороне клиента, управления состоянием и некоторой степени точности UX. Любая модель, которая не справляется с одним из этих уровней, становится узким местом, а не катализатором.

Чтобы сохранить тест реалистичным, Better Stack ограничил входные данные так, как настоящая команда передала бы спецификации младшему разработчику. Raptor mini получил три основных артефакта: - Markdown файл с документацией по N2Y.io спутниковому API - Файл с высокоуровневыми инструкциями, описывающий необходимые функции и поведение - Изображение дизайна, созданное на основе Figma, показывающее целевой интерфейс "космической панели управления"

Эти входные данные охватывают все модальности, которые теперь поддерживает GitHub GitHub Copilot: документацию в формате длинного текста, требования на естественном языке и элементы дизайна на основе изображений. Модели пришлось извлечь аутентификацию и конечные точки из документации N2Y.io, вывести макет и стилизацию из скриншота Figma и согласовать это с функциональной спецификацией файла-инструкции.

Вместо синтетического бенчмарка эта настройка ведет себя как реалистичный стартовый спринт. Никакого стартового репозитория, никакого предустановленного фреймворка, никакой поддержки за пределами того, что находилось в этих файлах. Успех заключался в синтезе трех разных источников информации в одну целостную кодовую базу, а не просто в генерации красивого фрагмента кода.

Сорок пять секунд после нажатия Enter и полное приложение с полным стеком появилось: бэкенд на Express, фронтенд на чистом JavaScript, CSS, HTML, прямые вызовы API и голубоватый интерфейс, который практически полностью соответствовал макету Figma. Никаких волшебников для создания шаблонов, никаких стартовых шаблонов, просто Raptor mini, читающий спецификацию, документацию API и изображение дизайна, а затем выдающий рабочую панель управления спутником, которая действительно функционировала.

Первая версия уже получала данные о орбитах вживую из API N2YO, анимировала спутники на экране и настроила простой цикл обновления в реальном времени. Она выбрала простой сервер Express вместо громоздкой фреймворка, обслуживая единственный HTML-файл с ~500-строчным JS-бандлом и простым CSS, что исключало проблемы с инструментами сборки и обеспечивало мгновенные перезагрузки.

Сначала визуализация отставала от достоверности данных. Приложение отображало движущиеся точки, но без какой-либо карты мира или глобуса невозможно было понять, имеют ли позиции на "Земле" географический смысл. Поэтому следующая команда передала мини-Раптору SVG-карту мира и попросила наложить на нее спутниковые траектории.

Этот один шаг преобразовал панель инструментов из абстрактной анимации в настоящий геопространственный инструмент. Спутники теперь отображались на узнаваемых континентах, а модель выполняла математические расчеты для проекции координат широты/долготы на 2D SVG. Всё равно было недостаточно: в задании требовался 3D глобус, а не плоская карта.

Одно последующее предложение ускорило развитие дизайна: использовать Three.js для оборачивания карты на сферу, разместить спутники в 3D и поддерживать обновление всего в реальном времени. Raptor мини-создал 3D-сцену, камеру, освещение и управление, а затем подключил опрос существующего API к орбитальным маркерам, которые вращаются вокруг текстурированной Земли.

Переход от «классной демонстрации» к «готовой к производству и шикарной» занял около 7–8 итераций, в основном это были улучшения управления камерой, исправление мелких математических ошибок и сглаживание взаимодействия. Каждая итерация возвращалась за считанные секунды, поэтому процесс доработки казался скорее коррекцией временной шкалы, чем ожиданием сборки: изменил запрос, сгенерировал код заново, обновил браузер.

Финальная панель управления выглядела как что-то с премиум-страницы SaaS: вращающаяся, масштабируемая 3D-Земля, светящиеся спутниковые орбиты и обновления в реальном времени, всё это было создано кодом, который модель ИИ собрала почти полностью самостоятельно.

Минимализм стал тихой звездой демонстрации спутниковой панели Raptor mini. Когда возникла задача создать приложение в реальном времени с нуля, модель выбрала простой сервер Express на стороне сервера и стандартный JavaScript, HTML и CSS на стороне клиента. Никаких сборщиков, никаких транспилеров, никакой специфической маршрутизации фреймворка, с которой нужно разбираться в 2 часа ночи.

Этот выбор имеет значение. Для тестового примера, который должен пройти от запроса к браузеру за меньше чем за минуту, Express вместе со статическими ресурсами практически не создает препятствий: `node server.js`, открыть порт, и готово. Избегая Next.js, Vite или Remix, Raptor mini миновал привычный лабиринт конфигурационных файлов, несовпадений окружения и непрозрачных ошибок сборки.

На фронтенде модель сгенерировала примерно 500 строк JavaScript — такой объем кода все еще можно прокручивать и осмысленно воспринимать. Код четко распределял обязанности: одна секция для получения данных спутников с API N2YO, другая для обновления DOM, и отдельный блок для работы с 3D-глобусом с помощью Three.js. Никаких бог-функций, никаких компонентов React на 1,000 строк, выполняющих все подряд.

Структура выглядела так, будто её мог проверить средний инженер в хороший день. Четкие названия функций, предсказуемый поток данных и простые обработчики событий для взаимодействий, таких как вращение, масштабирование и выбор спутника. CSS также оставался легким: один единственный файл стилей, отвечающий за голубоватую тему панели управления, сетки макетов и адаптивные правки без беспорядка в утилитарных классах.

Отказ от современного фреймворка также избавил от целого класса головной боли. Никакого лишнего веса `node_modules`, никакого расхождения конфигурации TypeScript, никаких несоответствий версий React между разработкой и сборкой. Для демонстрации, которая нуждается всего в одной странице, серверный рендеринг и файловая маршрутизация стали бы архитектурным косплеем.

Это сдержанность воспринимается как практический интеллект, а не ограничение. Raptor mini согласовал стек с задачей: одна страница, обновления в реальном времени, быстрая итерация. Для разработчиков, пытающихся решить, когда использовать более тяжелые модели или стеки, собственное сравнение AI моделей GitHub - Документы GitHub представляет Raptor mini как оптимальный вариант по скорости; этот проект показывает, что он также знает, когда не переусердствовать с инженерией.

Скорость помещает Raptor mini в совершенно другой весовой класс по сравнению с основными моделями, с которыми он тихо конкурирует. GitHub позиционирует его против таких тяжеловесов, как GPT-5, Claude и Grok Code Fast от xAI, но не пытается перейти в атаку за счет чистой логики. Вместо этого он стремится преодолеть то, что чувство больше всего волнует разработчиков: задержку в редакторе.

Клод и GPT-5 прекрасно справляются с запросами по системным дизайнам, многоуровневым архитектурам и глубоким алгоритмическим исследованиям. Grok Code Fast ориентирован на агрессивное завершение для продвинутых пользователей. У Raptor mini более простое предложение: почти мгновенные предложения прямо в тексте, многопроцессные завершения и рефакторинг, который синхронизируется с вашей печатью в GitHub Copilot.

Сравнение их бок о бок более ясно демонстрирует компромиссы, чем расплывчатый журнал изменений GitHub когда-либо показывал. Более крупные модели, как правило, обеспечивают более сильные высокоуровневые рассуждения, лучшее долгосрочное планирование и более тонкое понимание естественного языка. Raptor mini отвечает более быстрыми отзывами, огромным контекстным окном в 264,000 токенов и лимитом на вывод в 64,000 токенов, что позволяет ему переписывать целые файлы или модули за один раз.

Думайте об этом как о модели рабочего процесса против проектной модели. Модели рабочего процесса находятся в вашем редакторе и выполняют сотни микро-помощей каждый день: безопасно переименовать эту функцию, извлечь этот компонент, добавить логирование по этим файлам, исправить эту ошибку TypeScript, не затрагивая ничего другого. Проектные модели лучше всего проявляют себя, когда вы делаете шаг назад и говорите: «Разработайте новый микросервис для биллинга и изложите модель данных, API и план миграции».

Raptor mini твердо занимает свою нишу в категории рабочего процесса. Он отлично справляется с: - Быстрыми инлайн-дополнениями во время набора текста - Локализованными рефакторами в нескольких файлах - Применением шаблонов последовательно по всему большому коду - Объяснением незнакомого кода в контексте, без необходимости возвращаться к более медленной модели общения

GPT-5, Claude или Grok Code Fast всё ещё имеют больше смысла, когда вам нужно: - Оценка архитектуры и анализ компромиссов - Нетривиальный дизайн алгоритмов - Мультсервисное рассуждение по нескольким системам и документам - Долгосрочные планы и RFC

Называть любую из этих моделей «лучшей» не совсем корректно. Разработчик, проектирующий новую архитектуру, основанную на событиях, вероятно, предпочтёт Claude или GPT-5; тот же разработчик, который занимается исправлением ошибок и обновлением тестов, сразу ощутит преимущество в скорости Raptor mini. Настоящий хитрый ход — выбирать подходящую модель для каждой задачи, а не делать ставку на одного единственного титана.

Режим агента превращает Raptor mini из быстрого автозаполнения в нечто более похожее на нового сотрудника, который уже ознакомился со всем вашим репозиторием. Вместо того чтобы предлагать варианты по одной строке, он работает с целым рабочим пространством, планируя и выполняя многопроцессные редактирования сразу в десятках файлов.

В режиме агента GitHub Copilot мини-Raptor может сканировать дерево вашего проекта, понимать фреймворки, местные соглашения и тесты, а затем предлагать конкретный план миграции. Вы утверждаете набор изменений, и он отправляется для обновления компонентов, утилит, импортов и спецификаций в одном координированном процессе.

Редактирование нескольких файлов кажется абстрактным, пока вы не примените его к сложному рефакторингу, который долго откладывали. Попросите его переименовать основной метод API, и он не только изменит определение функции, но и: - Обновит все места вызова в нескольких пакетах - Исправит сломанные импорты и файлы-баррели - Регенерирует или исправит связанные модульные и интеграционные тесты

Теперь представьте запрос с более высокими ставками: «Измените этот компонент кнопки с Material-UI на Tailwind CSS во всем проекте». Raptor mini, с его контекстным окном на 264 000 токенов, может одновременно загрузить вашу дизайн-систему, общие компоненты и файлы макета, а затем переписать JSX, убрать `<Button>` из `@mui/material` и заменить его семантическими элементами `<button>`, связанными с утилитарными классами Tailwind.

Вместо того чтобы создавать огромные изменения, режим агента может работать итеративно. Он может начать с создания нового обертки `Button`, которая сопоставляет ваши существующие свойства с классами Tailwind, перенести все использования на эту обертку, удалить прямые импорты Material-UI и, наконец, убрать оставшиеся провайдеры тем и стили. Вы контролируете процесс на уровне запроса на слияние, а не на уровне каждого отдельного файла.

Это другой вид повышения производительности, чем быстрое завершение ввода. Автозаполнение экономит секунды на наборе текста; рефакторинг на уровне рабочего пространства устраняет целые категории рутинной работы. Когда система ИИ может надежно выполнять межкатегориальные изменения — замены фреймворка, миграции дизайн-систем, обновления версий API — вы перестаете относиться к ним как к задачам "когда-нибудь" и начинаете планировать их как обычную работу.

Скорость Raptor mini усиливает этот эффект. Рефакторинг, который может занять у человека день тщательного поиска и тестирования, превращается в 5–10 минутный цикл "опишите изменения → проверьте план → проверьте различия". Этот переход от ручной работы к контролируемой автоматизации заставляет ИИ ощущаться как настоящая команда, а не просто умная панель автозавершения.

Тихий дебют Raptor mini сигнализирует о сдвиге в инструментах AI-кодирования от «одной модели, чтобы править всеми» к специализированным, узкоспециализированным помощникам. Вместо единого гигантского чата, пытающегося сделать все, GitHub делает ставку на быструю, ориентированную на код модель, которая живет внутри вашего редактора, знает о вашем рабочем пространстве и принимает действия от вашего имени.

Разработчики нуждаются не только в ответах; им нужны редакции, рефакторинг и миграции, выполняемые в сотнях файлов. Контекстное окно на 264,000 токенов превращает Raptor mini в нативного агента рабочего пространства, который действительно может поглотить значительную часть монорепозитория, осмыслить ее и затем применить точные изменения в нескольких файлах, не терпя краха из-за перегрузки запросов.

Традиционные большие языковые модели испытывают трудности, когда вы сталкиваете их с целой кодовой базой предприятия. Они сталкиваются с ограничениями контекста, создают несуществующие API и теряют из виду специфические для проекта привычки. Более мелкие, специализированные модели действий решают эту проблему, сужая задачу: кодирование, рефакторинг, генерация тестов и навигация с учётом репозитория, которые напрямую интегрированы в инструменты, такие как Visual Studio Code и GitHub.

Вместо одного громоздкого общего модели будущее выглядит скорее как команда специалистов по ИИ. У вас может быть: - Быстрая модель для inline-компиляции для повседневных правок - Агент рефакторинга на уровне репозитория - Рецензент, сосредоточенный на тестировании и CI - Сканер безопасности, настроенный на выявление утечек зависимостей и секретов

Агентные структуры, такие как LangGraph и CrewAI, уже рассматривают модели как составные рабочие единицы с ролями, инструментами и памятью. Мини-слоты Raptor органично вписываются в эту концепцию: это кодовый агент, который может вызывать API, читать деревья проектов и координировать действия с другими агентами, занимающимися планированием, документацией или инфраструктурой.

Разработчики будут все больше организовывать эти команды ИИ вместо того, чтобы управлять одним чатом в микромасштабе. Один агент планирует миграцию, другой использует Raptor mini для реализации изменений в коде, третий обновляет документацию, а четвертый проводит проверки в CI. Человек-разработчик становится техническим руководителем, устанавливая ограничения, проверяя различия и решая, когда можно делать релиз.

Документация GitHub сама намекает на этот экосистемный подход, перечисляя различные возможности и компромиссы между моделями на странице Поддерживаемые ИИ модели в GitHub Copilot. Raptor mini выглядит меньше как эксперимент и больше как первый видимый элемент этого специализированного, ориентированного на агентов стека.

Пользователям GitHub GitHub Copilot не нужна секретная ссылка или бета-ключ для использования Raptor mini. Откройте VS Code, убедитесь, что расширение GitHub GitHub Copilot установлено, и вы вошли в систему с аккаунтом GitHub, подходящим для GitHub Copilot (Free, Pro или Pro+). Обновите до последней версии VS Code и расширения, чтобы выпадающее меню моделей на самом деле показывало новые предварительные модели.

Откройте панель чата GitHub Copilot (Ctrl+Shift+I на Windows/Linux, Cmd+Shift+I на macOS или через иконку GitHub Copilot в боковой панели). В заголовке ввода чата найдите выпадающее меню выбора модели; по умолчанию оно обычно установлено на «Авто» или обобщённую модель на базе GPT-5. Нажмите на него и выберите «Raptor mini (публичный предварительный просмотр)» из списка; если вы его не видите, возможно, ваша учетная запись еще не получила обновление.

После включения начните с небольших, целевых запросов, подчеркивающих его быстродействие. Попробуйте следующее: - «Рефакторируйте эту функцию, чтобы она стала более эффективной, и объясните изменения». - «Объясните этот метод на 200 строк простым языком и укажите потенциальные ошибки». - «Сгенерируйте модульные тесты для этого файла, используя Jest, сосредоточив внимание на крайних случаях». - «Документируйте этот компонент React с помощью JSDoc и добавьте проверки типов для пропсов».

Чтобы использовать контекстный интерфейс из 264,000 токенов, выполните безопасную, низкорисковую переработку по нескольким файлам. Например: - «Обновите эту утилитарную функцию и примените новую сигнатуру повсюду в src/, включая импорты и тесты». - «Переименуйте этот React hook и обновите все его использования в проекте». - «Извлеките эту дублированную логику в общий хелпер и подключите ее по этим трем файлам».

Запустите многофайловое редактирование в стиле агента на временной ветке, затем проверьте каждое изменение перед коммитом. Когда вы обнаружите успехи или неудачи, поделитесь ими в обсуждениях GitHub Copilot Discussions, чтобы команда могла быстрее настроить Raptor mini. Используйте его, ломайте его и расскажите GitHub, как эта «мини» модель изменяет ваш повседневный рабочий процесс.

Что такое Raptor Mini от GitHub Copilot?

Raptor Mini — это новая экспериментальная модель ИИ в GitHub Copilot, основанная на доработанной версии GPT-5 mini. Она оптимизирована для сверхбыстрого завершения кода, объяснений и задач на основе агентов непосредственно в VS Code.

Чем Raptor Mini отличается от других моделей Copilot?

Raptor Mini приоритизирует скорость и эффективность для повседневных задач кодирования, таких как рефакторинг и редактирование нескольких файлов. Хотя более крупные модели превосходно справляются с сложной генерацией с нуля, Raptor Mini разработан так, чтобы ощущаться как быстрой, интегрированной частью вашего рабочего процесса.

Как я могу включить и использовать Raptor Mini?

Вы можете активировать Raptor Mini в VS Code, открыв вид Copilot Chat, кликнув по селектору модели вверху и выбрав 'Raptor Mini (Предварительная версия)'. В настоящий момент он доступен в публичной предварительной версии для большинства пользователей Copilot.

Является ли Raptor Mini бесплатным в использовании?

В течение публичного периода предварительного просмотра Raptor Mini доступен бесплатно для пользователей платных планов Copilot (с коэффициентом квоты 1) и для пользователей бесплатного плана. Это может измениться после окончания предварительного просмотра.