Show HN: Supermaven, 300k टोकन संदर्भ वाला पहला कोड कंप्लीशन टूल
एक नया cloud-based code completion tool, Supermaven, बेहद तेज़ सुझाव और 300,000‑token context window का वादा करता है, जिसके कारण कुछ developers को GitHub Copilot की तुलना में, खासकर बड़े codebases पर, स्पष्ट रूप से बेहतर परिणाम मिलते हैं। अन्य लोग trial शुरू करने के लिए credit card की माँग, data usage और training sources के बारे में सीमित पारदर्शिता, और GPL या अन्य restrictive licenses से प्रभावित code उत्पन्न होने के कानूनी जोखिमों को लेकर चिंता जताते हैं। बातचीत AI-assisted coding को लेकर व्यापक असहजता को भी दिखाती है: developer focus और learning पर इसका असर, कम अनुभवी engineers द्वारा over-reliance, और productivity gains तथा code quality या privacy के बीच trade-off.
समग्र प्रतिक्रिया एवं प्रदर्शन
- कई उपयोगकर्ताओं का कहना है कि Supermaven, Copilot से तेज़ और अक्सर बेहतर लगता है, क्योंकि इसकी सुझाइशें अधिक grounded और कम “hallucinated” होती हैं, खासकर पूरे codebase में।
- अन्य लोग completion UX को ध्यान भटकाने वाला मानते हैं, क्योंकि बहुत बार आने वाली सुझाइशें उन्हें “writing mode” से निकालकर “evaluation mode” में ले जाती हैं।
मॉडल आर्किटेक्चर एवं लंबा context
- परियोजना का दावा है कि इसकी नई architecture, लंबे context के लिए Transformers से अधिक efficient है; टिप्पणीकार अनुमान लगाते हैं कि यह SSM-based (जैसे Mamba-like) हो सकती है या अन्य long-context तरीकों जैसी, लेकिन विवरण proprietary हैं।
- कुछ लोग 300k context के दावे की तुलना Gemini के लंबे contexts से करते हैं और सोचते हैं कि यह RAG के बिना वास्तव में कैसे काम करता है।
- कुछ उपयोगकर्ता सच्चे long-range, cross-file reasoning के प्रदर्शन देखना चाहते हैं, न कि सिर्फ़ तेज़ per-keystroke completion।
डेटा, गोपनीयता एवं training sources
- उपयोगकर्ता पूछते हैं कि मॉडल को किस code पर train किया गया है और क्या software licenses (GPL/AGPL सहित) का सम्मान किया जाता है; thread में कोई ठोस उत्तर नहीं दिखता।
- यह भी पूछा जाता है कि क्या customer source code training या fine-tuning के लिए उपयोग किया जाता है; यह भी अस्पष्ट ही रहता है।
- यह tool पूरे git repo को cloud में upload करता है और data को 7 दिन तक retain करता है; कुछ लोग privacy policy को अस्पष्ट बताते हैं और अधिक स्पष्ट documentation मांगते हैं।
- इस पर व्यापक बहस भी है कि copyrighted code पर LLM training, मनुष्य के पढ़ने के समान है या नहीं, और क्या copyright law इन्हें समान रूप से देखेगी; अलग-अलग jurisdictions (जैसे Japan) का भी उल्लेख है।
Onboarding, pricing एवं trial
- कई लोग 30‑दिन के free trial के लिए credit card की आवश्यकता की आलोचना करते हैं, इसे उच्च-friction और संभावित रूप से predatory कहते हैं, यदि यह users के cancel करना भूल जाने पर निर्भर करता है।
- अन्य लोग इसे AI inference costs के कारण आवश्यक मानते हैं, हालांकि कुछ लोग छोटे trial या auto-renew न होने वाले “credit-based” trials सुझाते हैं।
- कुछ लोग कहते हैं कि यह “Show HN” के low-barrier try norms के विपरीत है।
Tooling, UX एवं ecosystem
- सारा processing cloud-based है; फिलहाल local या hybrid mode नहीं है।
- उपयोगकर्ता IntelliJ, Neovim, और अधिक सामान्य LSP-style integration की मांग करते हैं; एक IntelliJ plugin जल्द आने का वादा किया गया है।
- कुछ लोग inline completion के बजाय chat या edit-prompt workflows (जैसे Cursor/Zed) पसंद करते हैं और ऐसे modes मांगते हैं।
- गैर-mainstream भाषाओं के समर्थन को लेकर प्रश्न उठते हैं; coverage स्पष्ट रूप से निर्दिष्ट नहीं है।
डेवलपर प्रभाव एवं code quality
- समर्थक गति, boilerplate में कमी, और RSI prevention पर ज़ोर देते हैं।
- संशयवादी चिंता करते हैं कि novices code को बिना सोचे स्वीकार कर सकते हैं, जिससे overall software quality खराब होगी और fundamental skills कमज़ोर पड़ेंगी।
- कई लोग तर्क देते हैं कि ये tools अनुभवी developers के हाथों में सबसे उपयोगी हैं, जो output की review और direction कर सकते हैं।
स्थिरता एवं सुरक्षा संबंधी चिंताएँ
- कुछ उपयोगकर्ता Windows समस्याएँ रिपोर्ट करते हैं (agent window का अचानक पॉप अप होना, licensing prompts का अस्पष्ट होना)।
- एक VirusTotal scan में दो engines से detections दिखते हैं; यह स्पष्ट नहीं है कि यह false positive है या नहीं।