Google DeepMind publiserte 7. mai en oppdatering om hvor AlphaEvolve kjører i produksjon nå. Systemet er en evolusjonær kode-optimaliserer som bruker LLM-er til å foreslå og teste varianter av algoritmer mot et fitness-mål. Det har gått fra pilot til «kjernekomponent i infrastrukturen vår», ifølge DeepMind.
Tallene som rapporteres er konkrete. AlphaEvolve fant en kretsdesign som ble integrert i silisiumet på neste generasjons TPU. Den reduserte write amplification i Google Spanner med 20 prosent ved å forfine LSM-tre-komprimeringsheuristikker, og kuttet lagringsfotavtrykket i kompilert programvare med nesten 9 prosent. På cache-erstatningspolicy gjorde den på to dager det som tidligere tok måneder med menneskelig innsats.
«AlphaEvolve foreslo en kretsdesign så kontraintuitiv at vi integrerte den direkte i silisiumet på neste generasjons TPU. Det er TPU-hjerner som hjelper med å designe TPU-kropper.» — Jeff Dean, Chief Scientist, Google DeepMind
For utviklere er det de kommersielle eksemplene som er mest leselige. Klarna doblet treningshastigheten på en av sine største transformer-modeller. FM Logistic fikk 10,4 prosent forbedring på Traveling Salesman-rutingen og sparer 15 000 km i året. Schrödinger fikk 4x raskere Machine Learned Force Fields både i trening og inferens, noe som kutter R&D-sykluser i molekylscreening fra måneder til dager.
Det største løftet i absolutte tall: Løsningsraten for AC Optimal Power Flow, et klassisk strømnettsproblem, gikk fra 14 til over 88 prosent. På DNA-siden kutter AlphaEvolve variantfeilene i PacBio-sekvensering med 30 prosent.
Hva bør du gjøre?
- Følg API-tilgangen. AlphaEvolve har et eget API-team mot Google Cloud-kunder. Hvis du jobber med kompilatorer, ruting eller komprimering, er ventelisten verdt å registrere seg på.
- Tenk fitness-funksjon, ikke prompt. Det som skiller AlphaEvolve fra vanlig kodegenerering er den målbare evalueringen. Før du tester selv, definer hva «bedre» betyr som en kjørbar test.
- Sammenlign med åpen tilnærming. OpenEvolve og lignende åpne implementasjoner har eksistert siden 2025. Hvis du har en algoritme med klar fitness, kan du bygge en mindre versjon selv før du venter på Googles API.