Локальний ШІ для embedded C, тобто відкрита модель для коду на станції в інженерній мережі, пише чернетки юніт-тестів за вимогами й вихідним кодом, пояснює зауваження MISRA, пропонує виправлення й документує модулі, яких роками ніхто не торкався. Код лишається в компанії, а це важливо, коли він належить замовнику-OEM за угодою про нерозголошення. Найдокладніший опублікований результат дали TUM і Hydac Software: з пошуковим індексом по заголовкових файлах, вихідному коду й старих тестах перевірку виконанням пройшли 84,5 % згенерованих тестів, без індексу 50,5 %.

Найменшою розумною конфігурацією для невеликої команди ми вважаємо станцію з однією NVIDIA RTX PRO 4500 Blackwell на 32 ГБ. Тести для бізнес-програм розібрано в статті про генерацію тестів на власному сервері.

Коротко

  • У дослідженні EmbC-Test (TUM і Hydac Software, березень 2026) пошук по заголовках, вихідному коду й наявних тестах підняв частку робочих тестів з 50,5 до 84,5 %; генерувала хмарна модель, ембединги рахувала локальна.
  • Чинна редакція MISRA C:2025 вийшла в березні 2025 року; модель пояснює зауваження й пропонує виправлення, а вирішує кваліфікований аналізатор, бо відкритий Cppcheck за власним посібником покриває MISRA C 2012 лише частково.
  • Reqs2x у VectorCAST 2026 створює чернетки тестів за вимогами для перевірки інженером і, за словами Vector, працює з моделями на власних серверах, у хмарі та гібридно.
  • За нашим правилом RTX PRO 4500 на 32 ГБ тримає gpt-oss-20b, модель ембедингів і 15 сесій по 32K токенів, а RTX PRO 6000 на 96 ГБ Qwen3-Coder-30B-A3B у FP8 з 17 сесіями.

Що виміряли в дослідженні EmbC-Test

Статтю EmbC-Test подали на arXiv 10 березня 2026 року автори з Мюнхенського технічного університету (інститут MIRMI) і Hydac Software GmbH; детальнішої публічної перевірки на промисловому вбудованому C ми не знайшли. Конвеєр RAG шукає в індексі по заголовкових файлах, вихідному коду й наявних тестах компанії п'ять найдоречніших фрагментів і кладе їх у промпт разом із вимогою. Тести писалися на Python, як і власний набір Hydac, і мали «compile and run against the target software».

Показник Результат
Пройшли перевірку виконанням, з RAG 84,5 %
Пройшли перевірку, випадкові фрагменти 62,4 %
Пройшли перевірку, без пошуку 50,5 %
Покриття згенерованими тестами до 43 % гілок, 67 % рядків
Покриття ручними наборами 76 % гілок, 93 % рядків
Оцінка експертів 38,9 % без змін, 55,6 % з правками
Швидкість близько 270 тестів на годину

Джерело: EmbC-Test, arXiv 2603.09497v1 від 10.03.2026, таблиця 1 і текст, прочитано 30.10.2026. Перевірка виконанням: синтаксис, компіляція (імпорт) і запуск. Вимірювали автори на коді Hydac, тести оцінювали два незалежні експерти; 5,6 % довелося переписати. Вручну писали приблизно один тест на годину.

За нашим підрахунком із таблиці, правильні фрагменти додали 34 пункти до частки робочих тестів, випадкові лише 12, тож пошук важить найбільше. Покриття нижче, ніж у ручних наборів, але ті, за словами авторів, доводили місяцями, а згенеровані тести вийшли з одного прогону без зворотного зв'язку. Понад половину тестів правили перед прийняттям. Автори оцінюють, що тестування бібліотеки з 57 програмними вимогами могло б скоротитися з 57 до 19,2 години, тобто на 66 %.

Межі автори називають самі: генерація без прикладів ненадійна, тести можуть закладати хибні очікування, а підхід розрахований на добре задокументований код з єдиним іменуванням і запасом старих тестів. Автори наполегливо радять лишати людину в циклі, а всі результати отримано на коді однієї компанії. Ембединги рахувала модель «locally hosted», генерувала «a cloud-hosted LLM» без назви. Порівняння відкритих моделей на цій задачі ми не знайшли.

Як генерувати юніт-тести локальною моделлю

Схема повторює кроки авторів і додає зворотний зв'язок, відкладений ними на майбутнє.

  1. Індексація. Заголовкові файли, вихідний код, наявні тести й правила кодування йдуть у пошуковий індекс. Qwen3-Embedding-0.6B (Apache 2.0) серед можливостей на картці називає пошук по коду. Для вимог українською є орієнтир: у змаганні UNLP 2026 система на ній набрала 0,9370 і 0,9507 на публічному й приватному наборах (точність усієї системи, а не моделі). Індекс перебудовують після кожного злиття.
  2. Чернетка за вимогою. Модель отримує вимогу з п'ятьма найближчими фрагментами й пише тест у вашому фреймворку: на Python-стенді, як у Hydac, або на Unity, який автори описують як «a unit-testing framework for C», із CMock (MIT) для заглушок.
  3. Збирання і запуск. Машина збирання компілює тест для хоста або симулятора цільової платформи й запускає його. Помилки компілятора й невдалі перевірки повертаються моделі на задану кількість ітерацій, далі чернетку відкидають і записують причину.
  4. Покриття. Інструмент покриття показує, що додали нові тести; саме цей показник EmbC-Test порівнював із ручними наборами.
  5. Рецензія. Інженер приймає, править або відхиляє кожен тест і фіксує рішення, тож за місяць ви знатимете власну частку прийнятих тестів.

GPU зайнята, лише поки модель пише, а компіляція й запуск ідуть на машинах збирання, тож одна станція обслуговує більше інженерів, ніж має паралельних сесій.

Як виправляти зауваження MISRA C з локальною моделлю

Редакція MISRA C:2025, за магазином консорціуму MISRA, «Updated in March 2025» і замінює версії 2023, 2019, 2012, 2004 і 1998 років. Порушення знаходить ваш статичний аналізатор. Модель бере на себе те, що забирає в інженерів час: читає функцію навколо зауваження, пояснює, чому правило застосовується, і пропонує сумісний варіант коду, а якщо код треба лишити як є, пише чернетку обґрунтування відхилення для інженера. Потім аналізатор знову проходить змінений код, а юніт-тести показують, що поведінка не змінилася. Закритим зауваження вважається лише після чистого прогону аналізатора.

Відкритий Cppcheck (GPL-3.0) має доповнення MISRA; його посібник, прочитаний 31 жовтня 2026 року, каже, що воно «is used to verify compliance with MISRA C 2012» і покриває правила лише частково, а для повного покриття радить Cppcheck Premium. Тож для повної перевірки MISRA C:2025 лишається кваліфікований комерційний аналізатор. Тексти правил Cppcheck не містить, а MISRA продає їх як ліцензії для одного названого користувача, які «may not be shared or transferred». Перевірте, що дозволяє ваша ліцензія; зазвичай замість повного тексту в спільний індекс кладуть короткі нотатки своїми словами з номером правила.

VectorCAST Reqs2x і локальні моделі

До VectorCAST 2026 від Vector увійшов Reqs2x, «AI-powered Requirements-Based Test Creator». За сторінкою продукту, прочитаною 31 жовтня 2026 року, він за допомогою програмних зрізів і LLM зіставляє вимоги з DOORS, Polarion або CSV з функціями, що їх реалізують, генерує пов'язані з вимогами тестові сценарії й показує все на перевірку: «Nothing is accepted automatically.» Сторінка описує підхід «Bring Your Own Model» з локальним, хмарним і гібридним розгортанням, але моделей чи інтерфейсів не називає. Сервер моделей на власній GPU може стати цим локальним варіантом; який інтерфейс потрібен, уточніть у Vector заздалегідь.

За словами Vector, функцію робили з урахуванням MISRA C:2025 і EU AI Act, а ISO 26262 сторінка не згадує. Спеціального закону про ШІ в Україні поки немає. EU AI Act може застосовуватися до української компанії, якщо вона виводить систему на ринок ЄС або результати системи використовують у ЄС, тож постачальнику європейського OEM варто оцінити свій випадок окремо.

ISO 26262: чому модель лишається поза доказовою базою

Доказом безпеки згенерований тест стає лише через ваш процес. ISO 26262-8:2018, розділ 11, визначає рівень довіри до програмного інструмента за тим, чи може його помилка внести або пропустити помилку в продукті, і за ймовірністю її виявлення; на вищих рівнях потрібна кваліфікація.

Ми радимо схему, у якій модель лише пише чернетки. Інженер перевіряє тест відносно вимоги, кваліфікований інструмент тестування запускає, кваліфікований інструмент покриття вимірює, і доказом стає перевірений тест із записаним прогоном, як і для ручного тесту. Як класифікувати модель у вашому обґрунтуванні безпеки, вирішують менеджер з функціональної безпеки та асесор; для медичних виробів діють правила вашої регуляторної команди.

Яка GPU потрібна для генерації юніт-тестів

Рахуємо за власним правилом: 90 % пам'яті, яку показує драйвер, мінус 3 ГіБ на карту, мінус ваги. Лишається 25,7 ГіБ на карті 32 ГБ, 61,5 ГіБ на RTX PRO 5000 з 72 ГБ і 83,0 ГіБ на RTX PRO 6000 з 96 ГБ. Сесія на 32 768 токенів вміщує вимогу, знайдені фрагменти, модуль і вивід компілятора; у кожному рядку враховано Qwen3-Embedding-0.6B.

Рівень і обладнання Модель Сесій 32K у пам'яті Кому підходить
Початковий: 1 × RTX PRO 4500, 32 ГБ gpt-oss-20b 15 пілот, від 1 до 5 інженерів
Початковий для команди: 1 × RTX PRO 5000, 72 ГБ Coder-30B-A3B, FP8 10 (20) команда тестування від 10 до 20 осіб
Середній: 1 × RTX PRO 6000 Workstation Edition або Max-Q Coder-30B-A3B, FP8 17 (35) відділ розробки
Великий: сервер, 2 × RTX PRO 6000 Server Edition Coder-Next, FP8, на пару 108 кілька команд, нічні прогони

Джерело: наші оцінки за правилом, не вимірювання; швидкість сесії залежить від пропускної здатності пам'яті карти. Ваги за переліками файлів на Hugging Face: gpt-oss-20b 13,76 ГБ, Qwen3-Coder-30B-A3B 31,2 ГБ у FP8, Qwen3-Coder-Next 80,4 ГБ у FP8, Qwen3-Embedding-0.6B 1,19 ГБ. Кеш 16 біт на сесію 32K: 0,75 ГіБ (gpt-oss-20b), 3 ГіБ (Coder-30B-A3B, у дужках кеш FP8), 0,75 ГіБ плюс фіксований стан (Coder-Next, 110 сесій без моделі ембедингів).

Одна RTX PRO 4500. Карта має 32 ГБ GDDR7, 896 ГБ/с і 200 Вт (огляд RTX PRO 4500) і тримає gpt-oss-20b (21 млрд параметрів, 3,6 млрд активних, Apache 2.0) з моделлю ембедингів і 15 сесіями. Qwen3-Coder-30B-A3B (30,5 млрд, 3,3 млрд активних, з викликом інструментів) вміщується в 4-бітній збірці Ollama на 19 ГБ, але лишає місце лише для двох сесій. Карта на 24 ГБ має за правилом 18,5 ГіБ, і gpt-oss-20b працює на ній із 6 сесіями. Станція з RTX PRO 4500, за нашою оцінкою, бере з розетки близько 0,6 кВт (карта, процесор класу 350 Вт і 15 % на решту).

RTX PRO 5000 на 72 ГБ. Qwen3-Coder-30B-A3B працює у FP8, тобто з 8-бітними вагами замість 4-бітних, і тримає 10 сесій, 20 з кешем FP8, при близько 0,75 кВт.

Одна RTX PRO 6000. Workstation Edition (600 Вт) або Max-Q (300 Вт) на 96 ГБ тримає ту саму модель із 17 сесіями або більшу gpt-oss-120b з 18 сесіями; станція з Workstation Edition бере близько 1,1 кВт. Більше двох карт Workstation Edition у станцію реалістично не ставлять, а три чи чотири Max-Q ставлять лише в спеціальний корпус із потужним спрямованим обдувом (порівняння версій RTX PRO 6000).

Сервер із двома картами. Сервер із двома RTX PRO 6000 Server Edition і двома процесорами AMD EPYC споживає, за нашою оцінкою, близько 1,8 кВт. Пара карт тримає Qwen3-Coder-Next (80 млрд, 3 млрд активних, Apache 2.0) для кількох команд удень і пише тести для цілої бібліотеки модулів уночі. З огляду на відключення такий сервер планують разом із ДБЖ і генератором.

Опублікованих швидкостей цих моделей на тестах для вбудованого коду немає, тож заміряйте вибірку власних вимог, перш ніж обіцяти строки. ETE рахує конфігурацію за вашим ланцюжком інструментів, зразком модуля з вимогами й розміром команди.

Розгортання без інтернету: кроки для ІТ-відділу

  1. Встановлення офлайн. Драйвер, середовище контейнерів, сервер моделей і ваги переносять з проміжного хоста, після чого інтернет машині не потрібен, і код замовника під NDA лишається у вашій мережі.
  2. Сервер моделей. Для пілоту досить Ollama, команду ефективніше обслуговує vLLM. Його --api-key захищає лише частину шляхів, тому перед ним ставлять LLM-шлюз із ключами й журналом запитів.
  3. Машина збирання. Дайте асистентові інструмент, який збирає й запускає один тестовий файл вашим крос-компілятором або симулятором і повертає вивід, інакше кожна чернетка чекає на інженера.
  4. Журнали й права. Промпти містять код замовника, тож заздалегідь вирішіть, скільки шлюз їх зберігає і хто їх читає; внутрішні правила описано в статті про політику ШІ-асистентів для коду. Якщо передаєте тести замовнику, врахуйте: згенероване програмою без безпосередньої участі людини охороняє особливе право за ст. 33 Закону № 2811-IX, а його умови може визначати договір.
  5. Вимірювання. Візьміть 20 вимог із перевіреними тестами із завершеного проєкту й проганяйте їх після кожної зміни моделі чи промпту, рахуючи робочі тести, покриття й частку прийнятих без правок.

Часті питання

Чи може ШІ писати юніт-тести для вбудованого C?

Так, як чернетки. У EmbC-Test перевірку виконанням пройшли 84,5 % тестів, згенерованих із пошуком по коду, але 55,6 % перевірених ще потребували правок.

Чи може локальна LLM перевіряти код на MISRA C?

Роль аналізатора їй давати не варто. Порушення знаходить статичний аналізатор, модель пояснює їх і пропонує виправлення, після чого аналізатор і тести запускають знову.

Чи можна працювати з ШІ для вбудованих систем повністю офлайн?

Так, усе встановлюють із проміжного хоста, а машина збирання доступна у внутрішній мережі. EmbC-Test використовував хмарну модель, тож цифр точності для офлайн-варіанта ще немає.

Чи підтримує VectorCAST локальні моделі?

Для Reqs2x сторінка VectorCAST 2026 описує підхід «Bring Your Own Model» і локальне, хмарне та гібридне розгортання, проте моделей та інтерфейсів не називає. Що має надавати ваш сервер, уточніть у Vector.

Чи приймаються згенеровані ШІ тести за ISO 26262?

ISO 26262-8 вимагає довіри до інструментів і кваліфікації на вищих рівнях. Ми радимо, щоб модель лише писала чернетки, а тест перевіряв інженер і запускали кваліфіковані інструменти. Класифікацію моделі визначають менеджер з функціональної безпеки та асесор.

Яка GPU потрібна для локального ШІ у розробці вбудованих систем?

Для пілоту вистачає RTX PRO 4500 на 32 ГБ: gpt-oss-20b, модель ембедингів і 15 сесій по 32K токенів. RTX PRO 6000 на 96 ГБ запускає Qwen3-Coder-30B-A3B у FP8 з 17 сесіями, а сервер із двома RTX PRO 6000 Server Edition обслуговує кілька команд.

Що з цього є в ETE

Потрібна станція для тестування вбудованого коду?

Надішліть опис ланцюжка інструментів, один зразок модуля з вимогами й кількість інженерів. ETE порахує конфігурацію, а за потреби інженери Vixen.UNO налаштують модель, індекс коду й зв'язок із вашими машинами збирання.

Обговорити задачу

Автор: Інженер ETE