Show HN: Supermaven, la primera herramienta de autocompletado de código con contexto de 300k tokens

Artículo original ↗ Discusión en Hacker News ↗

Una nueva herramienta de autocompletado de código basada en la nube, Supermaven, promete sugerencias extremadamente rápidas y una ventana de contexto de 300.000 tokens, lo que lleva a algunos desarrolladores a reportar resultados notablemente mejores que GitHub Copilot, especialmente en bases de código grandes. Otros expresan preocupación por su requisito de una tarjeta de crédito para iniciar una prueba, la limitada transparencia sobre el uso de datos y las fuentes de entrenamiento, y los riesgos legales de generar código potencialmente influido por GPL u otras licencias restrictivas. La conversación también destaca una inquietud más amplia sobre la codificación asistida por IA: su impacto en la concentración y el aprendizaje de los desarrolladores, la sobredependencia de ingenieros menos experimentados y la tensión entre las ganancias de productividad y la calidad del código o la privacidad.

Recepción general y rendimiento

  • Varios usuarios informan que Supermaven se siente más rápido y a menudo mejor que Copilot, con sugerencias más fundamentadas y menos “alucinadas”, especialmente a lo largo de una base de código.
  • Otros encuentran la UX del autocompletado distraída, ya que las sugerencias muy frecuentes los sacan del “modo escritura” y los llevan al “modo evaluación”.

Arquitectura del modelo y contexto largo

  • El proyecto afirma una nueva arquitectura más eficiente que los Transformers para contexto largo; los comentaristas especulan que podría basarse en SSM (por ejemplo, algo similar a Mamba) u otros métodos de contexto largo, pero los detalles son propietarios.
  • Algunos comparan la afirmación de 300k de contexto con los contextos largos de Gemini y se preguntan cómo funciona realmente sin RAG.
  • Unos pocos usuarios quieren demostraciones de razonamiento realmente de largo alcance y entre archivos, no solo autocompletado rápido por pulsación de tecla.

Datos, privacidad y fuentes de entrenamiento

  • Los usuarios preguntan con qué código se entrena el modelo y si se respetan licencias de software (incluidas GPL/AGPL); no aparece una respuesta concreta en el hilo.
  • Se plantean preguntas sobre si el código fuente de los clientes se usa para entrenamiento o ajuste fino; esto también queda poco claro.
  • La herramienta sube todo el repositorio git a la nube y conserva los datos hasta 7 días; algunos critican la política de privacidad por ser vaga y piden documentación más clara.
  • Hay un debate más amplio sobre si entrenar LLM con código con版权 autoral es análogo a que un humano lea, y si la ley de copyright los tratará de forma similar, con diferencias entre jurisdicciones (por ejemplo, Japón) señaladas.

Onboarding, precios y prueba

  • Muchos critican el requisito de una tarjeta de crédito para la prueba gratuita de 30 días, llamándolo de alta fricción y potencialmente depredador si depende de que los usuarios olviden cancelar.
  • Otros lo defienden como necesario debido a los costos de inferencia de IA, aunque algunos sugieren pruebas más cortas o pruebas basadas en “créditos” sin renovación automática.
  • Algunos señalan que esto entra en conflicto con las normas de “Show HN” de baja barrera para probar.

Herramientas, UX y ecosistema

  • Todo el procesamiento está basado en la nube; actualmente no hay modo local ni híbrido.
  • Los usuarios piden integración con IntelliJ, Neovim y una integración más general al estilo LSP; se promete pronto un plugin para IntelliJ.
  • Algunos prefieren flujos de trabajo de chat o de solicitud de edición (como Cursor/Zed) frente al autocompletado en línea y piden esos modos.
  • Surgen preguntas sobre soporte para lenguajes no convencionales; la cobertura no se especifica claramente.

Impacto en el desarrollo y calidad del código

  • Los partidarios destacan la velocidad, la reducción de boilerplate y la prevención de RSI.
  • Los escépticos temen que los novatos acepten código a ciegas, empeorando la calidad general del software y debilitando las habilidades fundamentales.
  • Varios argumentan que estas herramientas son más beneficiosas en manos de desarrolladores experimentados que pueden revisar y dirigir la salida.

Preocupaciones de estabilidad y seguridad

  • Unos pocos usuarios informan problemas en Windows (la ventana del agente aparece, avisos de licencia poco claros).
  • Un escaneo de VirusTotal muestra detecciones de dos motores; no está claro si se trata de un falso positivo.