最近整理 SAP AI 这块的资料,看到 Joule for Developers 的模型构成,跟原先想的不太一样,贴出来跟各位聊聊,也想听听有实测经验的朋友怎么说。

按 SAP 产品页面的列示,Joule for Developers 背后是两类模型。
一类是第三方通用模型,五家:OpenAI(GPT-4o / GPT-4 系列)、Google(PaLM2 / Gemini)、Anthropic(Claude 系列)、Meta(Llama 系列)、Mistral AI(Mistral 系列)。
另一类是 SAP 自研的 ABAP LLM,四项特征:数百万行 ABAP 代码训练、面向云端 SAP 开发(如 S/4HANA Cloud)、ADT 内原生集成、能做代码生成/代码解释/单元测试生成。
所以不是"接了一家大模型",是六块能力分两类来源。
顺便提一句,页面标题早期写的是"六位"通用模型,图注和表格是五家。按表格核对,五家是准的。这种口径不一致在对外材料里挺要命,做方案引用时最好以表格为准。
通用模型管语言层:问答、长文档、跨语言、代码理解。这些不需要懂 SAP 业务对象,谁的语料广谁合适。
ABAP 模型管语义层:代码能不能过语法检查、能不能激活、能不能跑单测。这些依赖数据字典、业务对象、增强框架,通用模型看不到。
一句话:通用模型懂语言,ABAP 模型懂 SAP。
我认同这个切分方式。之前试过用通用模型写 ABAP,确实是"结构对、细节错"居多——SELECT 写得像模像样,但字段类型、内表结构、增强点位置经常对不上。返工量一下来,还不如自己敲。
第一个,调度规则不透明。 页面说通用任务走第三方模型,但没写具体怎么路由。同一个问题问两次,会不会走不同模型?如果走了不同模型,输出风格不一致,用户会不会当成 bug?
第二个,可观测性怎么补。 多模型架构下,同一条输出来自哪个模型不容易反查。我们有审计要求,这块得自己加日志。问题是加在哪一层?IDE 侧还是平台侧?
第三个,版本怎么跟。 第三方模型迭代快,今天擅长的任务半年后可能换人。评估结论的保质期怎么定?有没有人做过长期的跟踪对比?
收益是实在的:能力覆盖更全、升级不用重做、区域合规有空间。代价也有:可解释性下降、排查链路变长、版本节奏不完全可控。
所以我不太赞成"多模型一定更好"这种说法,也不赞成"单模型够用"这种说法。关键看你更怕哪一种成本。
如果团队主要痛点是"写代码慢、读旧代码难",这套东西价值直接。如果痛点是"AI 服务怎么治理、怎么审计",那要补的是另一层,不是这个。
另外提醒一条:AI 给的是草稿。代码生成、解释、单测生成这三项,改的是初稿速度,不改交付标准。语法检查、代码评审、架构判断还得人来做。这点在推团队落地时最好写进流程,别指望工具自觉。
"数百万行 ABAP 代码"这个说法我没找到统计口径,只能当量级看。模型名单也会随版本变,以订阅环境为准。以上都是纸面整理,欢迎拍砖。
来自 “ ITPUB博客 ” ,链接:https://blog.itpub.net/31504008/viewspace-3188056/ ,如需转载,请注明出处,否则将追究法律责任。