Raccoon est un assistant de code IA lancé par SenseTime. Il fournit la génération, la complétion, l'interprétation et la prise en charge multilingue de code basé sur un grand modèle auto-développé, couvrant les plug-ins IDE et les pages Web grand public.

coderaccoon

Paramètres et statistiques de base de Code Little Raccoon

Raccoon est un assistant de code IA lancé par SenseTime. Il se positionne comme un « outil d'amélioration de l'efficacité de la programmation basé sur le grand modèle développé par SenseTime et adapté aux développeurs chinois ». Basé sur les trois fonctionnalités de base que sont la complétion de code, la génération conversationnelle et l'explication du code, il couvre le lien de développement complet, du codage quotidien à la révision du code via les plug-ins IDE et les pages Web. Par rapport à des outils similaires, sa plus grande différence est qu'il utilise le modèle auto-développé par SenseTime au lieu du GPT ou du modèle open source, ce qui lui confère des avantages natifs en matière de compréhension chinoise, de conformité nationale et de déploiement privatisé au niveau de l'entreprise.

Projets	Informations publiques
Positionnement officiel	Assistant de code IA
Producteur	SenseTime
Modèle sous-jacent	Grand modèle auto-développé par SenseTime (système de grand modèle Ririxin)
Compétences de base	Génération de code, complétion, interprétation, compréhension multilingue et inter-fichiers
Formulaire d'accès	Plug-in VS Code Plug-in JetBrains, page Web
Plateforme d'assistance	Web, ordinateur de bureau
Langues prises en charge	Chinois, Anglais
Dernière version	Raton laveur 2.0 (~2025-06)
Première version	Raton laveur 1.0 (~2024-02)
Modèle de licence	Gratuit pour les particuliers + payant pour les entreprises

Base de modèles auto-développés : les capacités de Code Raccoon sont basées sur le système de grands modèles SenseNova et ne constituent pas une simple encapsulation de GPT ou LLaMA. Cela signifie qu'en termes de compréhension sémantique chinoise, d'adaptation des normes de programmation nationales et d'audit de conformité, la couche modèle dispose d'un espace de personnalisation contrôlable et ne s'appuie pas sur des canaux API externes.

Couverture complète des liens IDE : intégrez des fonctionnalités d'IA à chaque point de contact du codage, du débogage et de la révision via les deux principaux plug-ins IDE, VS Code et JetBrains. La page Web sert de portail léger, adapté aux questions et réponses temporaires et aux situations où il n'est pas pratique d'installer des plug-ins. Différent de la stratégie de Copilot centrée sur l'écosystème GitHub, Code Raccoon met davantage l'accent sur l'expérience de « complétion immersive » au sein de l'EDI.

Différences de positionnement par rapport aux assistants de programmation d'IA grand public : le tableau suivant montre les différences dans les dimensions principales entre Code Raccoon et quatre produits concurrents grand public :

Dimensions	Copilote Codeium	Copilote GitHub	Tongyi Lingma	Baidu Comate	Codéium/Planche à voile
Modèle de base	Auto-recherche SenseTime	OpenAI Codex/GPT-4o	Tongyi Qianwen	Wenxin grand modèle	Auto-recherche + hybride open source
Points fondamentaux de différence	Auto-recherche nationale, respectueuse de la conformité	La plus grande écologie, le multilingue le plus puissant	Intégration du système Alibaba	Intégration du système Baidu	Quota gratuit élevé
Couverture IDE	VSCode, JetBrains	VS Code, JetBrains, Xcode et plus	VSCode, JetBrains	VS Code, JetBrains, IntellJ	VSCode, JetBrains
Soutien chinois	Optimisation native	Dépend du modèle sous-jacent	Optimisation native	Optimisation native	Général
Privatisation des entreprises	Assistance	Pas de support	Assistance	Assistance	Pas de support
Gratuit pour les particuliers	Oui	Gratuit limité	Oui	Oui	Oui

Positionnement en une phrase : Code Little Raccoon n'est pas un « remplacement du copilote GitHub national », mais un écosystème d'outils de programmation d'IA indépendant basé sur les capacités de modèle de SenseTime. Il a une valeur différenciée irremplaçable dans les scénarios où la substitution et la conformité nationales sont prioritaires.

Reconnaissance des utilisateurs et du marché de Code Little Raccoon

La reconnaissance du marché de Code Little Raccoon présente une structure à trois niveaux : « approbation de la marque SenseTime + fenêtre alternative de localisation + accumulation de réputation de développeur ». Le responsable n'a pas encore divulgué le nombre total d'utilisateurs ni le nombre de clients payants, mais sa position sur le marché peut être déduite à partir d'informations publiques.

Approbation de la marque SenseTime et dotation en ressources : En tant que leader national en matière d'IA, SenseTime possède une forte accumulation dans les domaines de la vision par ordinateur et des grands modèles. Code Little Raccoon est le premier produit de programmation lancé par SenseTime pour les développeurs. Avec l'aide de la marque technologique globale de SenseTime AI et des ressources des clients gouvernementaux et des entreprises, il dispose d'un potentiel de confiance naturel dans des scénarios alternatifs localisés. Pour les clients gouvernementaux et professionnels qui ont déjà utilisé d’autres produits d’IA de SenseTime (tels que les villes intelligentes, les voitures intelligentes, etc.), Code Raccoon peut constituer une extension naturelle de la chaîne d’outils de programmation.

Période de remplacement de la localisation : à mesure que les politiques d'innovation en matière d'information et les exigences de conformité des données deviennent plus strictes, de plus en plus d'équipes R&D des gouvernements et des entreprises doivent rechercher des assistants de programmation pouvant être déployés en privé, garder les données hors du domaine et disposer de modèles indépendants et contrôlables. Le positionnement « modèle auto-développé + support à la privatisation » de Code Raccoon remplit parfaitement le segment de marché gouvernement-entreprise sur lequel Copilot et Codeium ont du mal à pénétrer en raison de problèmes d’exportation de données. Les lacunes naturelles des produits concurrents internationaux en matière de souveraineté des données et d’audit de conformité constituent la principale fenêtre de marché de Code Raccoon.

Réputation des développeurs et écologie de la communauté : à en juger par les commentaires des communautés techniques nationales (telles que CSDN, Nuggets et Zhihu Bilibili), Code Raccoon a acquis une certaine reconnaissance en termes d'exactitude de la dénomination chinoise et de performances des frameworks nationaux (tels que la génération d'annotations chinoises Spring Boot et l'écriture de fichiers de mappage MyBatis). Cependant, par rapport aux meilleurs modèles de codage au monde, il existe encore une lacune dans l'intelligence des frameworks front-end tels que React/TypeScript et dans la profondeur de l'écosystème Python. Les commentaires courants dans les discussions de la communauté incluent : « La génération d'annotations chinoises est plus naturelle que Copilot », « Bien comprendre Spring Boot », « Mais les conseils concernant les refactorisations complexes ne sont pas aussi précis que Copilot ».

Prérequis : L'efficacité de l'assistant de code dépend fortement de la qualité du contexte et du type de tâche. Dans les scénarios d'achèvement (suggestions en ligne), la vitesse de réponse et la précision de Code Raccoon sont stables ; mais dans des scénarios complexes qui nécessitent une compréhension globale, tels que la génération de fichiers croisés et la reconstruction à grande échelle, l'effet dépend de la profondeur de la compréhension du modèle par rapport au contexte du projet. Lors de l'évaluation, l'équipe doit effectuer un essai en fonction de son propre type de projet et de son propre langage de programmation, et ne doit pas porter de jugement uniquement sur la base de la publicité.

L'avantage financier du code raccoon

L’avantage en termes de coûts est un facteur concurrentiel clé pour Code Little Raccoon dans le domaine national de la programmation de l’IA. Il adopte une stratégie radicalement libre du côté C et abaisse le seuil de passation des marchés publics pour le gouvernement et les entreprises grâce à des plans de privatisation flexibles du côté B.

C-side/individuel : totalement libre, pas de castration fonctionnelle

Les développeurs individuels peuvent télécharger le plug-in IDE depuis le site officiel ou utiliser directement la page Web. Les capacités de complétion, de génération et d'interprétation du code de base sont toutes gratuites et ouvertes, et il n'y a pas de limite sur le nombre d'utilisations quotidiennes ni de limite supérieure sur le nombre de lignes générées. Cela contraste fortement avec l’abonnement de 10 $/mois de Copilot et est meilleur que la stratégie de Codeium consistant à limiter la fréquence d’achèvement dans la version gratuite.

La vérité sur la version gratuite : Les véritables limites de la version gratuite personnelle se reflètent principalement dans deux aspects : premièrement, les fonctions avancées au niveau de l'entreprise (telles que la gestion de la collaboration en équipe, le déploiement privatisé) nécessitent un paiement ; Deuxièmement, le service gratuit n'est pas assorti d'une garantie SLA et des retards de réponse peuvent survenir pendant les heures de pointe. Cependant, dans les scénarios purement assistés par codage, la version gratuite couvre la plupart des besoins quotidiens.

Développeur/API : tarification de l'API autonome non divulguée

Code Little Raccoon utilise actuellement des plug-ins et des pages Web IDE comme principaux modes de livraison, et le prix officiel des appels d'API indépendants n'a pas été divulgué. Contrairement aux modèles qui fournissent des API telles que DeepSeek et Tongyi Qianwen, les capacités de modèle de CodeXiaoXiong sont fournies indirectement via des plug-ins clients, et les développeurs ne peuvent pas appeler directement le modèle via l'API pour intégrer leurs propres chaînes d'outils.

Coût caché : si les équipes souhaitent intégrer des fonctionnalités de modèle dans des pipelines CI/CD ou des plates-formes d'outils internes via des API, Code Raccoon ne fournit actuellement pas d'interface API standard. Cela signifie que vous devez encapsuler vous-même la logique d'automatisation du plug-in ou remplacer le modèle sous-jacent par un autre service fournissant une API. Il s'agit d'un écart de capacité important entre Code Little Raccoon et Copilot (fournissant l'API GitHub) et Tongyi Lingma (fournissant l'API Alibaba Cloud).

Entreprise/Privatisation : système de confirmation commerciale, adapté aux scénarios gouvernementaux et d'entreprise

La valeur fondamentale des solutions d'entreprise réside dans la souveraineté des données : les données de code sont traitées au sein du réseau de l'entreprise et ne sortent pas du domaine ni ne transitent par des cloud tiers. Le modèle de tarification est un système de confirmation commercial typique, et le coût dépend du nombre de sièges, de l'échelle de déploiement et des services supplémentaires (tels que l'adaptation du contexte privatisé, la personnalisation et le réglage fin du modèle). Par rapport à Copilot Enterprise (39 $/utilisateur/mois), le TCO de Copilot Enterprise est compétitif avec le même nombre d'utilisateurs, mais le coût réel de mise en œuvre doit inclure l'infrastructure informatique GPU ainsi que la main-d'œuvre d'exploitation et de maintenance dans le grand livre :

Dimension du coût	Édition personnelle gratuite	Plan de privatisation des entreprises (estimation des déductions)
Frais de licence	0	Confirmation commerciale par siège/taille de déploiement
Infrastructure GPU	Pas besoin	Apportez le vôtre ou louez un serveur GPU
Main d'œuvre d'exploitation et de maintenance	Pas besoin	Maintenance et déploiement de l'équipe requis
Personnalisation du modèle	Non pris en charge	Mise au point négociable
Garantie SLA	Aucun	Accord contractuel

Coûts implicites : le coût total de possession réel du déploiement au niveau de l'entreprise comprend les frais d'achat/de location de la puissance de calcul du GPU, la main d'œuvre d'exploitation et de maintenance, ainsi que les coûts de mise à niveau et de test pour les itérations des versions du modèle. Sur la base d'une équipe R&D de 50 à 100 personnes, le coût total d'un déploiement privatisé au cours de la première année peut être compris entre 100 000 et 300 000 (serveurs et main d'œuvre compris), ce qui est supérieur aux frais annuels liés à l'achat direct de la version commerciale de Copilot de la même échelle (environ 40 000 à 80 000 dollars américains). Cependant, l’intérêt de garder les données hors du domaine peut dépasser de loin la différence de prix elle-même pour des secteurs tels que la finance, les affaires gouvernementales et l’industrie militaire.

Les principales fonctions de Code Little Raccoon

Le système fonctionnel de Code Raccoon s'articule autour des trois niveaux « achèvement-génération-compréhension ». Il n'intègre pas simplement l'interface de discussion grand modèle dans l'EDI, mais conçoit des modes d'interaction différenciés pour le flux de travail de codage.

• Complétion intelligente du code : fournit des suggestions de complétion en ligne en temps réel basées sur le contexte du fichier actuel, la position du curseur et les structures de code à proximité. Le mécanisme de complétion est similaire à Copilot, mais Code Raccoon se comporte plus naturellement dans la dénomination chinoise (comme les variables de cas de chameau chinois, la complétion de commentaires chinois). Effet de synergie : la complétion n'est pas seulement une suggestion sur une seule ligne : lorsqu'une signature de fonction est modifiée, le mécanisme de complétion reliera automatiquement tous les points de référence appelés et proposera des suggestions de modification conjointes pour réduire les omissions après la refactorisation.

• Génération de code conversationnel (chat en ligne) : appelez le panneau de dialogue via la barre latérale ou les touches de raccourci de l'EDI, et générez des fonctions, des modules ou des cas de test après avoir décrit les exigences en langage naturel. Vue d'expert : le véritable gain d'efficacité de cette fonction ne réside pas dans la "génération du code complet en une seule fois", mais dans "plusieurs tours d'itération" - en décrivant d'abord la logique générale pour permettre au modèle de générer un squelette, puis en affinant les exigences étape par étape pour ajuster les détails. Cette méthode d'interaction est beaucoup plus rapide que la boucle de codage manuel + recherche, mais le principe est que le développeur peut décrire clairement les exigences et examiner le résultat du point de vue du code.

• Interprétation et compréhension du code : après avoir sélectionné un morceau de code, le modèle génère une explication en langage naturel pour aider à lire une logique complexe, un code système existant ou une syntaxe de langage inconnue. Vue d'expert : la valeur de cette fonctionnalité dans les scénarios de révision de code est souvent sous-estimée : les réviseurs peuvent rapidement localiser les zones problématiques potentielles sans comprendre tous les détails, puis décider si une révision approfondie est nécessaire. Pour les projets existants intégrés avec de nouveaux membres de l'équipe, la fonction d'explication du code peut réduire le temps moyen de compréhension du code (estimé de 15 à 30 minutes à 3 à 5 minutes/segment).

• Compréhension du contexte entre fichiers (nouveau dans la version 2.0) : Raccoon 2.0 introduit la possibilité de comprendre en profondeur la base de code au niveau du projet. La complétion et la génération ne se limitent plus au fichier actuellement ouvert, mais font référence aux fichiers dépendants, aux définitions de types et aux structures de projet. Synergie : lors de la génération d'une nouvelle fonction qui appelle une API existante, le modèle lira automatiquement la définition de type et les annotations de l'API pour générer le code d'appel attendu, réduisant ainsi le coût de commutation manuelle lié à la « devination de la signature de l'API ».

• Couverture multilingue : prend en charge les langages de programmation courants tels que Python, JavaScript/TypeScript, Java, Go, C/C++, Rust et SQL. En se concentrant sur les écosystèmes Java (Spring Boot, MyBatis) et Python couramment utilisés par les développeurs chinois comme axe d'optimisation, les performances sur les nouvelles piles technologiques (telles que Rust, Go) varieront en fonction de la couverture des données de formation du modèle.

• Génération de tests unitaires : Après avoir sélectionné une classe ou une fonction, les cas de tests unitaires correspondant au framework (JUnit, pytest, Jest, etc.) sont automatiquement générés. Avis d'expert : Le scénario d'amélioration de l'efficacité le plus significatif consiste à ajouter des tests uniques aux fonctions existantes, ce qui constitue généralement un travail très répétitif. Cependant, la couverture de test générée est une « couverture de syntaxe et de chemin logique » plutôt qu'une « couverture de sémantique métier » et doit être utilisée comme point de départ pour la rédaction du test plutôt que comme version finale.

• Assistance à la révision du code (suggestions) : demandez une analyse des problèmes, une détection des défauts potentiels et des suggestions d'optimisation sur les extraits de code sélectionnés. Synergie : combiné à la fonction d'interprétation du code, un processus en trois étapes « compréhension → analyse → optimisation » est formé, réduisant le coût du changement de contexte entre l'éditeur, le moteur de recherche et le document.

Evolution du modèle et de la version de Code Raccoon

L’évolution de la version de Code Raccoon reflète directement le rythme d’itération des grands modèles auto-développés par SenseTime. Depuis la version initiale 1.0 jusqu'à la mise à niveau 2.0, il existe actuellement deux nœuds de version principale accessibles au public, et les versions mineures intermédiaires et les journaux de réglage fin du modèle n'ont pas été entièrement divulgués.

Version principale

Version	Heure de sortie	Changements fondamentaux	Base technique
Raton laveur 2.0	~2025-06	Mettez à niveau le grand modèle sous-jacent, améliorez la compréhension du niveau de base du code et les capacités de génération de fichiers croisés, et développez les plug-ins IDE et les fonctionnalités des pages Web	Le nouveau modèle mis à jour quotidiennement de SenseTime
Raton laveur 1.0	~2024-02	Première version, fournissant la complétion du code, la génération conversationnelle, l'explication du code et l'accès au plug-in IDE grand public	SenseTime quotidien nouveau grand modèle

Raccoon 2.0 (~2025-06) : Il s'agit de la mise à niveau la plus importante depuis la sortie du produit. Le principal changement réside dans la couche modèle : depuis la version de base du nouveau grand modèle quotidien de SenseTime jusqu'à la version améliorée, des améliorations ont été apportées à la compréhension au niveau de la base du code (conscience du contexte entre fichiers), à l'aide à la reconstruction au niveau du projet et à la cohérence sémantique des scènes chinoises. Le plug-in IDE a ajouté des capacités d'intégration d'éditeur plus approfondies pour réduire la fréquence à laquelle les utilisateurs basculent entre différents outils.

Raccoon 1.0 (~2024-02) : la première version a établi les trois fonctionnalités principales de complétion, de génération et d'interprétation, couvrant les deux principales plates-formes IDE de VS Code et JetBrains. Les capacités techniques de la version 1.0 sont basées sur la première version optimisée pour le code du nouveau grand modèle quotidien de SenseTime, qui présente des avantages différenciés dans les scénarios de code chinois (en particulier les projets avec des noms de variables et des annotations de méthodes chinois). Au cours du cycle de vie de la version 1.0, SenseTime a continué à effectuer des optimisations itératives en termes de vitesse d'inférence et de précision d'achèvement côté client, mais celles-ci n'ont pas été publiées avec des numéros de version indépendants.

Rythme d'itération de version : l'itération de version de Code Raccoon est liée à la mise à niveau de version des nouveaux grands modèles quotidiens de SenseTime, plutôt qu'à un cycle de développement de produit indépendant. Cela signifie que la fréquence et le rythme des mises à niveau du modèle sont déterminés par le plan global de développement du modèle de SenseTime : généralement un cycle de mise à niveau majeur de 12 à 18 mois, entrecoupé d'un réglage fin du modèle et d'une optimisation des performances côté serveur. Par rapport à Copilot (optimisation continue sur une base hebdomadaire/mensuelle), Code Raccoon a une cadence de version plus lente, mais une augmentation plus importante de la capacité du modèle à chaque mise à niveau.

Notes de version : Le responsable n'a pas entièrement divulgué toutes les versions intermédiaires et les enregistrements de réglage fin entre 1.0 et 2.0. Les dates de sortie ci-dessus sont des valeurs approximatives "il n'y a pas encore de date officielle précise". Il est recommandé de se référer au site officiel et aux annonces officielles comme base la plus récente.

Avantages techniques du code raccoon

L'avantage technique de Code Raccoon ne réside pas simplement dans un « modèle plus grand », mais se reflète dans les capacités du système à trois niveaux : « modèle autonome et contrôlable », « adaptation native aux scénarios chinois » et « déploiement de domaine privé flexible et conforme ».

Espace de contrôle et de personnalisation des modèles auto-développés : contrairement aux assistants de programmation qui utilisent des API tierces, la couche modèle de Code Raccoon est entièrement auto-développée par SenseTime. SenseTime peut contrôler le ratio de données d'entraînement, la direction de réglage précis et la méthode de déploiement du modèle. Cela signifie que lorsque les entreprises clientes ont des besoins d'optimisation pour un langage ou un framework de programmation spécifique, le réglage fin du modèle peut être négocié sans être limité par les limites de capacités du fournisseur d'API sous-jacent. Le prix est que les capacités de base des modèles auto-développés doivent continuer à rattraper les modèles internationaux - SenseTime a investi beaucoup de ressources R&D dans des benchmarks de code universels, mais il existe encore un écart avec GPT-4o et Claude en termes de profondeur de l'écosystème Python et de couverture des derniers frameworks (tels que les chaînes d'outils AI/ML).

Optimisation native des scénarios de programmation chinois : il s'agit de l'avantage différencié le plus facilement perçu de Code Raccoon. Dans les modèles courants de variables nommées chinoises (telles que « userName » et « username » mélangés), de commentaires mixtes en chinois et en anglais et de cadres nationaux (Spring Boot, MyBatis, Vue.js, Element UI), la précision de compréhension du modèle est nettement supérieure à celle des modèles formés principalement en anglais, car les données de formation contiennent un grand nombre d'échantillons de haute qualité provenant de blogs technologiques nationaux et de projets open source. L'effet réel est le suivant : la complétion automatique des commentaires chinois suggérés est plus naturelle, la compréhension sémantique des questions et réponses techniques chinoises est plus précise et la génération d'extraits de code dans le style de document API national est plus standardisée.

Déploiement de domaine privé et garantie de souveraineté des données : l'architecture technique de base de Code Little Raccoon prend en charge un déploiement purement privé : les modèles, les moteurs d'inférence et les backends de plug-ins s'exécutent tous dans l'intranet de l'entreprise, et les données de code ne transitent par aucun réseau externe. Il s’agit d’une exigence fondamentale irremplaçable dans les secteurs hautement conformes tels que la finance, les affaires gouvernementales, l’industrie militaire et l’énergie. En revanche, les données de code de Copilot passeront par les services cloud GitHub/Microsoft. Bien qu'il ne soit pas utilisé pour la formation, il existe un problème de vérification de la conformité pour l'exportation des données.

Capacités itératives des grands modèles Ririxin : la série de grands modèles de SenseTime Ririxin couvre plusieurs spécifications allant de 10 milliards à des centaines de milliards de paramètres. Code Raccoon sélectionne les spécifications de modèle les plus adaptées aux scénarios de codage dans différentes versions, en équilibrant la vitesse de réponse et la qualité du code. Le leadership continu du modèle RiRiXin sur le benchmark chinois NLP constitue la garantie sous-jacente de l’expérience de programmation chinoise de Code Little Raccoon. Cependant, il convient de souligner que la capacité du code n’est qu’une direction d’application verticale des capacités du modèle Ririxin. Il ne se concentre pas sur le code dès le début de la formation comme Codex/Copilot. En termes de qualité de génération de code pur, le raton laveur de code sera contraint par la proportion de code dans les données d'entraînement du modèle.

Défis de la mise en œuvre technique : les scénarios de complétion de code sont extrêmement sensibles à la latence : l'utilisateur s'attend à voir les suggestions "avant de taper le caractère suivant". Code Raccoon a apporté de nombreuses optimisations techniques en termes de latence d'inférence côté client et de vitesse de réponse du plug-in. Cependant, dans des scénarios de qualité de réseau instable (déploiement privé) ou de concurrence élevée, l'expérience d'achèvement peut être considérablement dégradée. Il est recommandé aux utilisateurs d'entreprise d'effectuer des tests de résistance de latence et de débit basés sur la charge réelle du projet avant le déploiement de la privatisation afin d'éviter l'écart entre « l'achat d'une configuration complète et une mise en œuvre à mi-vitesse ».

Comment utiliser le code raton laveur

Code Little Raccoon propose trois formulaires d'accès, couvrant différents niveaux de besoins, depuis les premiers utilisateurs personnels jusqu'au déploiement au niveau de l'entreprise.

Comment utiliser	Convient à la foule	Compétences de base	Coût
Plug-in IDE (VS Code / JetBrains)	Développeurs quotidiens	Complétion de code, génération de dialogues, explication, génération de tests	Gratuit pour les particuliers
Internet	Codage temporaire, questions-réponses	Génération de code conversationnel, explication du code	Gratuit pour les particuliers
Plan de privatisation des entreprises	Gouvernement et entreprise/équipe de conformité	Capacités complètes + déploiement privé + gestion d'équipe	Confirmation d'affaires

Démarrez rapidement avec le plug-in IDE : recherchez « code raccoon » ou « Raccoon » sur le marché des extensions VS Code ou JetBrains Marketplace et installez-le. Après l'installation, complétez l'enregistrement du compte dans les paramètres (prend en charge la connexion par numéro de téléphone mobile/e-mail) et vous pourrez l'utiliser directement dans l'éditeur. Touche de raccourci par défaut : Tab accepte les suggestions de complétion, Ctrl+Shift+K (VS Code) / Ctrl+Shift+R (JetBrains) affiche le panneau de dialogue.

Utilisation rapide sur la page Web : Visitez le site officiel https://www.xiaohuanxiong.com/, vous pouvez utiliser les fonctions de génération de code conversationnel et d'explication du code dans le navigateur sans installer de logiciel. Convient pour les questions et réponses de codage occasionnelles ou dans des environnements sans plug-ins IDE.

Déploiement de privatisation d'entreprise : contactez l'équipe commerciale de SenseTime pour obtenir le package de déploiement. L'architecture de déploiement typique est « serveur GPU intranet d'entreprise + service d'inférence de modèle + passerelle backend de plug-in ». La configuration matérielle, la configuration réseau requise et les directives d'exploitation et de maintenance requises pour le déploiement sont soumises aux documents de déploiement officiels fournis par SenseTime. Il est recommandé aux utilisateurs d'entreprise d'utiliser d'abord la version du plug-in IDE (via le service cloud SenseTime) pour un essai en équipe, puis de décider d'investir dans un déploiement privatisé après avoir vérifié la qualité de réalisation et l'acceptation de l'équipe.

Suggestions d'utilisation : Pour le développement quotidien, les plug-ins IDE constituent l'entrée principale. Il est recommandé de laisser le plug-in activé pendant le codage (la saisie semi-automatique par défaut n'entraînera pas de retards significatifs) et d'appeler activement le panneau de dialogue uniquement lorsque la génération ou la révision de code complexe est requise. Pour apprendre de nouveaux frameworks ou comprendre rapidement le code existant, l'interface conversationnelle sur le Web est plus naturelle avec laquelle interagir. Il n'est pas recommandé de changer fréquemment de contexte entre le plug-in IDE et la page Web. Il est recommandé d'utiliser le plug-in comme interface de travail principale et la page Web comme complément.

Code Raccoon Prix des produits

La stratégie de tarification de Code Little Raccoon est une structure à double voie : « promotion gratuite du côté C et personnalisation commerciale du côté B pour verrouiller les clients gouvernementaux et d'entreprise ».

Client C/utilisateur individuel : entièrement gratuit, sans quota quotidien ni restriction de fonction. Les développeurs individuels peuvent utiliser toutes les fonctionnalités de programmation de base - complétion de code, génération de dialogues, interprétation de code, génération de tests unitaires, etc. - en permanence et gratuitement. La seule différence entre les versions gratuites et payantes réside dans l’accès aux capacités de gestion au niveau de l’entreprise et de déploiement privé. Avantages cachés : L'effet direct de la stratégie gratuite est d'abaisser le seuil permettant aux développeurs d'essayer d'accélérer la propagation du bouche à oreille et la formation d'habitudes du produit au sein de la communauté des développeurs.

Forfait Entreprise/Équipe : la méthode de facturation est un système de confirmation commerciale, qui comprend généralement les dimensions de facturation suivantes :

• Licence Seat : abonnement annuel/pluriannuel basé sur le nombre de développeurs de l'équipe
• Déploiement privé : frais de déploiement uniques + frais de maintenance annuels (y compris les mises à niveau du modèle et le support technique)
• Services personnalisés : des services à valeur ajoutée tels que le réglage fin du modèle, l'adaptation du domaine et l'intégration avec les chaînes d'outils internes sont supplémentaires.

Le prix spécifique n'a pas été divulgué et le devis officiel de SenseTime prévaudra. Les équipes intéressées par un achat doivent demander à l'entreprise de fournir :

1. Devis de siège standard et niveaux de remise sur quantité
2. Recommandations de configuration matérielle et coût total de possession estimé pour un déploiement privé
3. Plan de publication et engagement de compatibilité ascendante pour les mises à niveau des versions du modèle
4. Conditions SLA : disponibilité du service, temps de réponse, niveau de support

Comparaison des coûts (estimation vs produits concurrents) :

Planifier	Code Raton Laveur	Copilote GitHub	Tongyi Lingma Édition Entreprise
Version personnelle gratuite	Toutes les fonctions sont gratuites	Copilot Gratuit (limite limitée)	Gratuit
Version Business/siège	Confirmation d'affaires	10-39$/utilisateur/mois	Confirmation d'affaires
Privatisation d'entreprise	Pris en charge (entreprise)	Non pris en charge	Pris en charge (entreprise)
Souveraineté des données	Entièrement accessible	Via Microsoft Cloud	Accessibles

Convient pour un essai avant l'achat : les développeurs individuels peuvent commencer à utiliser la version gratuite directement et évaluer la qualité de l'achèvement avant de promouvoir l'adoption par l'équipe. Il est recommandé aux entreprises clientes d'utiliser la version cloud du plug-in IDE (gratuite) comme projet pilote d'équipe pendant 2 à 4 semaines, puis de se lancer dans le processus d'approvisionnement commercial après avoir confirmé les données d'amélioration de l'efficacité - cela peut éviter le coût irrécupérable lié à une « qualité du complément ne répondant pas aux attentes » après le déploiement de la privatisation.

Scénarios d'application du code raccoon

Les principaux scénarios d'application de Code Little Raccoon sont concentrés dans trois types d'environnements commerciaux avec « une forte demande de substitution de localisation, une forte proportion de programmation chinoise et une souveraineté des données sensibles ». Les quatre scénarios suivants proviennent de modèles de mise en œuvre courants des équipes nationales de R&D.

• Amélioration de l'efficacité de la programmation dans le contexte d'un développement alternatif localisé : sur le matériel Xinchuang et les systèmes d'exploitation nationaux (tels que Kirin, UOS), les outils internationaux tels que Copilot et Codeium présentent des problèmes de compatibilité et d'accessibilité réseau incertains. La solution de déploiement privatisée de Code Little Raccoon peut fonctionner de manière indépendante dans un environnement localisé, permettant aux équipes R&D d'obtenir une assistance à la programmation d'IA dans une pile technologique restreinte. Déduction quantitative : pour une équipe Java de 10 personnes déjà en cours de localisation, après avoir utilisé Code Raccoon, le temps d'écriture de code passe-partout (interface Mapper de classe POJO, tests unitaires) peut être réduit d'environ 40 à 60 %, c'est-à-dire qu'un seul développeur peut économiser environ 1 à 1,5 heures par jour. Remarque : Il s'agit d'une déduction approximative basée sur des rapports sur l'utilisation d'outils similaires en Chine et il s'agit de données non officielles.

• Révision du code et assurance de la conformité dans les scénarios financiers/gouvernementaux : les logiciels financiers et gouvernementaux ont des exigences extrêmement élevées en matière de qualité du code et de vérification de la conformité. Les fonctions d'interprétation du code et d'assistance à la révision de Code Raccoon peuvent aider les réviseurs à comprendre rapidement une logique complexe, à identifier des modèles anormaux et à suivre automatiquement les normes de codage du projet lors de la génération du code. Limite de la collaboration homme-machine : dans ce scénario, le pouvoir décisionnel final en matière de révision du code doit rester entre les mains du réviseur humain. Le résultat de l’« aide à la révision » de l’IA doit servir de rappels et d’invites (signaler les problèmes potentiels) plutôt que d’approuver automatiquement les modifications. Les actions d'approbation irréversibles (telles que la fusion dans la branche principale et le déploiement dans l'environnement de production) doivent configurer un point de confirmation manuel.

• Héritage des connaissances et formation des nouveaux employés pour les projets de pile technologique chinoise : dans les équipes R&D nationales où les commentaires chinois et les documents techniques chinois sont la norme, le coût de la compréhension du code existant par les nouveaux membres est souvent un coût caché dans le cycle du projet. La fonction d'explication du code de Code Raccoon peut compresser le temps de compréhension d'un seul morceau de code complexe de 15 à 30 minutes à 3 à 5 minutes. Grâce au questionnement conversationnel, les nouveaux arrivants peuvent terminer la digestion de la logique du module en moins de temps. Synergie : combiné à la fonction de génération de code, les nouveaux arrivants peuvent produire rapidement du code livrable dans le processus « comprendre → modifier → générer des tests », raccourcissant la période de transition entre l'entrée et la contribution indépendante (estimée être réduite de 4 à 6 semaines à 2 à 3 semaines).

• Développement rapide de prototypes d'outils et de systèmes internes d'entreprise : les équipes techniques des secteurs traditionnels tels que la finance, la logistique et la fabrication doivent développer quotidiennement un grand nombre de systèmes de gestion internes et d'outils de traitement de données. Les performances de Code Raccoon sur le front-end Vue.js du backend Spring Boot et la génération de requêtes SQL peuvent être utilisées pour accélérer le développement de ces outils qui « ne sont pas confrontés à des utilisateurs externes mais sont sensibles à l'efficacité interne ». Conseils de mise en œuvre : La caractéristique de ce type de scénario est que "rapide et grossier" prime sur "l'élégance technique", ce qui est très approprié pour le mode de génération de l'assistant de code AI - générez d'abord rapidement un prototype exécutable, puis affinez-le progressivement en fonction des retours d'utilisation réels.

• Assistance au code dans les scénarios d'apprentissage et d'enseignement : dans les établissements d'apprentissage et de formation en programmation, les étudiants peuvent utiliser Code Raccoon pour expliquer des exemples de codes, générer des questions pratiques et des implémentations de référence. Mais veuillez noter : une dépendance excessive à l'égard de la génération affaiblira les capacités de programmation indépendantes et les compétences de débogage des étudiants. Il est recommandé que l'assistance de l'IA soit positionnée comme deuxième ligne de soutien pour « essayez d'abord, demandez de l'aide plus tard » : les étudiants doivent réfléchir de manière indépendante et essayer d'abord de coder, puis utiliser des outils pour visualiser des implémentations de référence ou comprendre des concepts complexes.

Personnes concernées pour Code Little Raccoon

La stratégie de tarification et les limites de capacités de Code Little Raccoon déterminent qu'il est le plus adapté aux développeurs et aux équipes qui ont un fort besoin de solutions « autonomes, contrôlables et adaptées aux Chinois ». Les hiérarchies suivantes décrivent les conditions préalables d'adaptabilité et d'utilisation pour différents groupes de personnes.

• Développeurs d'entreprises et d'équipes nationales (principalement l'écosystème Java/Spring) : il s'agit du principal groupe cible de Code Raccoon. Si votre projet utilise Java, Spring Boot et MyBatis comme pile technologique principale, utilise de nombreux commentaires de code chinois et noms de variables et a des exigences de confidentialité des données ou de conformité Xinchuang, Code Raccoon est la solution la plus appropriée actuellement sur le marché. Prémisse : Le chef d'équipe doit d'abord effectuer un essai d'une à deux semaines du plug-in dans un groupe de 3 à 5 personnes pour vérifier l'exactitude de l'achèvement et la correspondance avec le style de code existant du projet, puis décider s'il doit le promouvoir auprès de l'ensemble de l'équipe.

• Les équipes de R&D des gouvernements et des entreprises se concentrent sur la souveraineté et la conformité des données : les équipes de R&D des secteurs de la finance, des affaires gouvernementales, de l'industrie militaire, de l'énergie et d'autres secteurs ne peuvent pas envoyer de données de code vers des cloud étrangers en raison de réglementations et d'exigences d'audit. La solution de déploiement privatisée de Code Raccoon est sa valeur fondamentale. Limite inappropriée : si l'équipe a des exigences en temps réel extrêmement élevées pour l'achèvement du code (telles qu'une réponse au niveau de la milliseconde), la latence du réseau et la surcharge d'inférence GPU après un déploiement privatisé peuvent devenir des goulots d'étranglement. Il est recommandé d'effectuer des tests de résistance avant d'acheter.

• Équipe de projet Xinchuang avec besoins de substitution nationaux : Une équipe qui développe des logiciels dans le contexte du matériel Xinchuang et des systèmes d'exploitation nationaux. La solution de déploiement privé de Code Little Raccoon peut contourner les restrictions de compatibilité et de réseau des outils internationaux dans ces contextes. Prérequis : Confirmer la compatibilité du moteur d'inférence et des bibliothèques dépendantes du package de déploiement privé de Code Raccoon avec le système d'exploitation national cible (Kirin UOS, etc.), sous réserve du rapport de test officiel.

• Programmation des apprenants et des établissements de formation : l'utilisation de l'IA pour aider à comprendre le code et générer des implémentations de références pratiques peut améliorer l'efficacité de l'apprentissage. Ne convient pas à la limite : il n'est pas approprié d'utiliser Code Raccoon comme outil de "devoirs d'écriture fantôme" - la capacité principale de l'apprentissage de la programmation est de résoudre les problèmes et de déboguer de manière indépendante. Une dépendance excessive à l'égard de la génération de code entraînera un déséquilibre dans la capacité de « pouvoir utiliser l'IA pour produire du code mais pas l'écrire soi-même ».

• Personnes inadaptées : Équipes qui ont besoin de collaborer avec des équipes internationales, dont le code est principalement en anglais, et qui utilisent les derniers frameworks front-end (tels que Next.js App Router, Turbopack, Astro, etc.), Code Raccoon peut avoir une compréhension moindre de ces dernières technologies que Copilot et Codeium, qui s'entraînent principalement sur des données anglaises. Les utilisateurs qui recherchent l'expérience ultime en matière de complétion de code (telle que la précision et la rapidité de complétion en ligne pour atteindre le niveau Copilot) doivent également effectuer une comparaison et une évaluation après essai avant de prendre une décision.

Résumé et Outlook

La valeur fondamentale de Code Little Raccoon est de fournir une solution de programmation d'IA avec « des modèles autonomes et contrôlables, une optimisation native de la programmation chinoise et un déploiement flexible de privatisation au niveau de l'entreprise ». Il ne s'agit pas d'un simple outil, mais d'une implémentation verticale des capacités de grands modèles de SenseTime dans des scénarios de développement - pour l'écosystème Java/Spring national et Xinchuang Youjing, son degré de correspondance est supérieur à celui de n'importe quel outil international.

Principaux avantages actuels : contrôlabilité personnalisée apportée par des modèles auto-développés, optimisation native des scénarios de programmation chinois et déploiement privatisé pour répondre aux exigences de souveraineté des données. Ces trois avantages forment un fossé différencié difficile à copier pour les concurrents internationaux : Copilot ne peut pas être privatisé et Codeium et Tabnine manquent d'optimisation en profondeur sur la scène chinoise.

Principales limitations actuelles : le rythme d'itération des versions est lent (l'intervalle entre 1.0 et 2.0 est d'environ 16 mois) et l'étendue des fonctions est en retard par rapport à Copilot (comme le manque de capacités d'extension des liens DevOps tels que le traitement automatique des problèmes intégré CI/CD) ; la base de référence en matière de capacité de code du modèle (en particulier en Python et la profondeur de l'écosystème front-end) est toujours en retard par rapport à GPT-4o et Claude ; aucune API indépendante n'est fournie. Les interfaces limitent la possibilité d'intégrer des fonctionnalités de modèle dans votre propre chaîne d'outils.

Points d'observation de suivi : si les itérations ultérieures du nouveau grand modèle quotidien de SenseTime peuvent continuer à réduire l'écart de qualité du code avec les modèles de codage internationaux ; si Code Raccoon ouvrira des API ou lancera des intégrations DevOps plus riches (telles que la révision automatique du code GitLab/GitHub Actions) ; les progrès de l'adaptation des solutions de déploiement privatisées à davantage de plates-formes matérielles Xinchuang ; et si le produit peut être étendu des plug-ins IDE à une chaîne d'outils de développement plus complète (couvrant la gestion de projet CI/CD, la génération de documents, etc.).

Évaluation des risques d'achat et d'adoption : Pour les développeurs individuels, la version gratuite ne présente aucun risque d'adoption et vaut la peine d'être installée et essayée. Pour les équipes d'entreprise, il est recommandé d'adopter un parcours en trois étapes : « période d'essai gratuite → vérification de groupe → achats commerciaux ». Pendant la période d'essai, l'accent sera mis sur les indicateurs d'acceptation suivants : ① La précision d'achèvement et le ratio acceptable de la pile technologique de base (Java/Spring/Python) ; ② Si le retard de l'environnement de déploiement privatisé se situe dans la plage acceptable (<500 ms/suggestion) ; ③ La conformité du modèle aux normes de codage existantes du projet. Dans le contrat de déploiement privatisé, le cycle de publication, les conditions de compatibilité des versions et le mécanisme de suppression/migration des données pour les mises à niveau du modèle doivent être clairement convenus. Si la pile technologique de l'équipe est principalement basée sur Python et les derniers frameworks dans le domaine back-end, ou s'il existe une forte demande pour une qualité ultime de génération de code, il est recommandé d'effectuer un test comparatif entre Code Raccoon et Copilot/Tongyi Lingma après l'essai, et de choisir la solution la plus adaptée à votre projet.

Outils associés : , Curseur

Informations de version

• Code Raton Laveur 2.0 ：Mettez à niveau le grand modèle sous-jacent, améliorez la compréhension du niveau de base du code, la génération de fichiers croisés et la prise en charge multilingue, et étendez les fonctionnalités du plug-in IDE et des pages Web. Il n’y a pas encore de date officielle précise, veuillez vous référer à la page officielle en temps réel. （~2025-06）
• Code Raton Laveur 1.0 ：La première version offre des capacités de complétion, de génération et d'interprétation de code, et prend en charge les langages de programmation traditionnels et l'accès aux plug-ins IDE. Il n’y a pas encore de date officielle précise. （~2024-02）