Локальный ИИ для embedded C, то есть открытая модель для кода на станции в инженерной сети, пишет черновики юнит-тестов по требованиям и исходному коду, объясняет замечания MISRA, предлагает исправления и документирует модули, которые годами никто не трогал. Код при этом остается в компании, а это важно, когда он принадлежит заказчику-OEM и защищен соглашением о неразглашении. Самый подробный опубликованный результат получили TUM и Hydac Software: с поисковым индексом по заголовочным файлам, исходникам и старым тестам проверку выполнением прошли 84,5 % сгенерированных тестов, без индекса 50,5 %.
Минимальной разумной конфигурацией для небольшой команды мы считаем станцию с одной NVIDIA RTX PRO 4500 Blackwell на 32 ГБ. Тесты для бизнес-приложений разобраны в статье о генерации тестов на своем сервере.
Коротко
- В исследовании EmbC-Test (TUM и Hydac Software, март 2026) поиск по заголовкам, исходникам и существующим тестам поднял долю рабочих тестов с 50,5 до 84,5 %; генерировала облачная модель, эмбеддинги считала локальная.
- Действующая редакция MISRA C:2025 вышла в марте 2025 года; модель объясняет замечания и предлагает исправления, а решает квалифицированный анализатор, поскольку открытый Cppcheck по собственному руководству покрывает MISRA C 2012 лишь частично.
- Reqs2x в VectorCAST 2026 создает черновики тестов по требованиям для проверки инженером и, по словам Vector, работает с моделями на собственных серверах, в облаке и в гибридных схемах.
- По нашему правилу RTX PRO 4500 на 32 ГБ держит gpt-oss-20b, модель эмбеддингов и 15 сессий по 32K токенов, а RTX PRO 6000 на 96 ГБ держит Qwen3-Coder-30B-A3B в FP8 с 17 сессиями.
Что измерили в исследовании EmbC-Test
Статью EmbC-Test подали на arXiv 10 марта 2026 года авторы из Мюнхенского технического университета (институт MIRMI) и Hydac Software GmbH; более подробной публичной проверки на промышленном встроенном C мы не нашли. Конвейер RAG ищет в индексе по заголовочным файлам, исходному коду и существующим тестам компании пять самых подходящих фрагментов и кладет их в промпт вместе с требованием. Тесты писались на Python, как и собственный набор Hydac, и должны были «compile and run against the target software».
| Показатель | Результат |
|---|---|
| Прошли проверку выполнением, с RAG | 84,5 % |
| Прошли проверку, случайные фрагменты | 62,4 % |
| Прошли проверку, без поиска | 50,5 % |
| Покрытие сгенерированными тестами | до 43 % ветвей, 67 % строк |
| Покрытие ручными наборами | 76 % ветвей, 93 % строк |
| Оценка экспертов | 38,9 % без изменений, 55,6 % с правками |
| Скорость | около 270 тестов в час |
Источник: EmbC-Test, arXiv 2603.09497v1 от 10.03.2026, таблица 1 и текст, прочитано 30.10.2026. Проверка выполнением: синтаксис, компиляция (импорт) и запуск. Измеряли авторы на коде Hydac, тесты оценивали два независимых эксперта; 5,6 % пришлось переписать. Вручную писали примерно один тест в час.
По нашему подсчету из таблицы, правильные фрагменты добавили 34 пункта к доле рабочих тестов, случайные только 12, так что поиск важнее всего. Покрытие ниже, чем у ручных наборов, но те, по словам авторов, доводили месяцами, а сгенерированные тесты получены за один прогон без обратной связи. Больше половины тестов правили перед приемкой. Авторы оценивают, что тестирование библиотеки с 57 программными требованиями могло бы сократиться с 57 до 19,2 часа, то есть на 66 %.
Ограничения авторы называют сами: генерация без примеров ненадежна, тесты могут закладывать неверные ожидания, а подход рассчитан на хорошо документированный код с единым именованием и запасом старых тестов. Авторы настоятельно советуют оставлять человека в цикле, а все результаты получены на коде одной компании. Эмбеддинги считала модель «locally hosted», генерировала «a cloud-hosted LLM» без названия. Сравнения открытых моделей на этой задаче мы не нашли.
Как генерировать юнит-тесты локальной моделью
Схема повторяет шаги авторов и добавляет обратную связь, которую они отложили на будущее.
- Индексация. Заголовочные файлы, исходники, существующие тесты и правила кодирования попадают в поисковый индекс. Небольшая Qwen3-Embedding-0.6B (Apache 2.0) среди возможностей на карточке называет поиск по коду. Для требований на украинском есть ориентир: в соревновании UNLP 2026 система на ней набрала 0,9370 и 0,9507 на публичном и приватном наборах (точность всей системы, а не модели). Индекс перестраивают после каждого слияния.
- Черновик по требованию. Модель получает требование с пятью ближайшими фрагментами и пишет тест в вашем фреймворке: на Python-стенде, как в Hydac, или на Unity, который авторы описывают как «a unit-testing framework for C», с CMock (MIT) для заглушек.
- Сборка и запуск. Машина сборки компилирует тест для хоста или симулятора целевой платформы и запускает его. Ошибки компилятора и проваленные проверки возвращаются модели на заданное число итераций, после чего черновик отбрасывают и записывают причину.
- Покрытие. Инструмент покрытия показывает, что добавили новые тесты; именно этот показатель EmbC-Test сравнивал с ручными наборами.
- Ревью. Инженер принимает, правит или отклоняет каждый тест и фиксирует решение, так что через месяц вы узнаете собственную долю принятых тестов.
GPU занята только тогда, когда модель пишет, а компиляция и запуск идут на машинах сборки. Поэтому одна станция обслуживает больше инженеров, чем у нее параллельных сессий.
Как исправлять замечания MISRA C с локальной моделью
Редакция MISRA C:2025, согласно магазину консорциума MISRA, «Updated in March 2025» и заменяет версии 2023, 2019, 2012, 2004 и 1998 годов. Нарушения находит ваш статический анализатор. Модель берет на себя то, что отнимает у инженеров время: читает функцию вокруг замечания, объясняет, почему правило применимо, и предлагает совместимый вариант кода, а если код нужно оставить как есть, пишет черновик обоснования отклонения для инженера. Затем анализатор снова проходит измененный код, а юнит-тесты показывают, что поведение не изменилось. Закрытым замечание считается только после чистого прогона анализатора.
Открытый Cppcheck (GPL-3.0) имеет дополнение MISRA; его руководство, прочитанное 31 октября 2026 года, говорит, что оно «is used to verify compliance with MISRA C 2012» и покрывает правила лишь частично, а для полного покрытия советует Cppcheck Premium. Поэтому для полной проверки MISRA C:2025 остается квалифицированный коммерческий анализатор. Текстов правил Cppcheck не содержит, а MISRA продает их как лицензии для одного названного пользователя, которые «may not be shared or transferred». Проверьте, что разрешает ваша лицензия; обычно вместо полного текста в общий индекс кладут короткие заметки своими словами с номером правила.
VectorCAST Reqs2x и локальные модели
В VectorCAST 2026 от Vector вошел Reqs2x, «AI-powered Requirements-Based Test Creator». Согласно странице продукта, прочитанной 31 октября 2026 года, он с помощью программных срезов и LLM сопоставляет требования из DOORS, Polarion или CSV с реализующими их функциями, генерирует связанные с требованиями тестовые сценарии и выносит все на проверку: «Nothing is accepted automatically.» Страница описывает подход «Bring Your Own Model» с локальным, облачным и гибридным развертыванием, но моделей и интерфейсов не называет. Сервер моделей на своей GPU может стать этим локальным вариантом; какой интерфейс нужен, уточните у Vector до планирования железа.
По словам Vector, функцию разрабатывали с учетом MISRA C:2025 и EU AI Act, а ISO 26262 страница не упоминает. Специального закона об ИИ в Украине пока нет. EU AI Act может применяться к украинской компании, если она выводит систему на рынок ЕС или результаты системы используют в ЕС, поэтому поставщику европейского OEM стоит оценить свой случай отдельно.
ISO 26262: почему модель остается вне доказательной базы
Доказательством безопасности сгенерированный тест становится только через ваш процесс. ISO 26262-8:2018, раздел 11, определяет уровень доверия к программному инструменту по тому, может ли его ошибка внести или пропустить ошибку в продукте, и по вероятности ее обнаружения; на высших уровнях нужна квалификация.
Мы советуем схему, в которой модель только пишет черновики. Инженер проверяет тест относительно требования, квалифицированный инструмент тестирования запускает, квалифицированный инструмент покрытия измеряет, и доказательством становится проверенный тест с записанным прогоном, как и для ручного теста. Как классифицировать модель в вашем обосновании безопасности, решают менеджер по функциональной безопасности и асессор; для медицинских изделий действуют правила вашей регуляторной команды.
Какая GPU нужна для генерации юнит-тестов
Считаем по собственному правилу: 90 % памяти, которую показывает драйвер, минус 3 ГиБ на карту, минус веса. Остается 25,7 ГиБ на карте 32 ГБ, 61,5 ГиБ на RTX PRO 5000 с 72 ГБ и 83,0 ГиБ на RTX PRO 6000 с 96 ГБ. Сессия на 32 768 токенов вмещает требование, найденные фрагменты, модуль и вывод компилятора; в каждой строке учтена Qwen3-Embedding-0.6B.
| Уровень и оборудование | Модель | Сессий 32K в памяти | Кому подходит |
|---|---|---|---|
| Начальный: 1 × RTX PRO 4500, 32 ГБ | gpt-oss-20b | 15 | пилот, от 1 до 5 инженеров |
| Начальный для команды: 1 × RTX PRO 5000, 72 ГБ | Coder-30B-A3B, FP8 | 10 (20) | команда тестирования от 10 до 20 человек |
| Средний: 1 × RTX PRO 6000 Workstation Edition или Max-Q | Coder-30B-A3B, FP8 | 17 (35) | отдел разработки |
| Большой: сервер, 2 × RTX PRO 6000 Server Edition | Coder-Next, FP8, на пару | 108 | несколько команд, ночные прогоны |
Источник: наши оценки по правилу, не измерения; скорость сессии зависит от пропускной способности памяти карты. Веса по спискам файлов на Hugging Face: gpt-oss-20b 13,76 ГБ, Qwen3-Coder-30B-A3B 31,2 ГБ в FP8, Qwen3-Coder-Next 80,4 ГБ в FP8, Qwen3-Embedding-0.6B 1,19 ГБ. Кеш 16 бит на сессию 32K: 0,75 ГиБ (gpt-oss-20b), 3 ГиБ (Coder-30B-A3B, в скобках кеш FP8), 0,75 ГиБ плюс фиксированное состояние (Coder-Next, 110 сессий без модели эмбеддингов).
Одна RTX PRO 4500. Карта имеет 32 ГБ GDDR7, 896 ГБ/с и 200 Вт (обзор RTX PRO 4500) и держит gpt-oss-20b (21 млрд параметров, 3,6 млрд активных, Apache 2.0) с моделью эмбеддингов и 15 сессиями. Qwen3-Coder-30B-A3B (30,5 млрд, 3,3 млрд активных, с вызовом инструментов) помещается в 4-битной сборке Ollama на 19 ГБ, но оставляет место только для двух сессий. Карта на 24 ГБ по правилу имеет 18,5 ГиБ, и gpt-oss-20b работает на ней с 6 сессиями. Станция с RTX PRO 4500, по нашей оценке, берет из розетки около 0,6 кВт (карта, процессор класса 350 Вт и 15 % на остальное).
RTX PRO 5000 на 72 ГБ. Qwen3-Coder-30B-A3B работает в FP8, то есть с 8-битными весами вместо 4-битных, и держит 10 сессий, 20 с кешем FP8, при потреблении около 0,75 кВт.
Одна RTX PRO 6000. Workstation Edition (600 Вт) или Max-Q (300 Вт) на 96 ГБ держит ту же модель с 17 сессиями или более крупную gpt-oss-120b с 18 сессиями; станция с Workstation Edition берет около 1,1 кВт. Больше двух карт Workstation Edition в станцию реально не ставят, а три или четыре Max-Q ставят только в специальный корпус с мощным направленным обдувом (сравнение версий RTX PRO 6000).
Сервер с двумя картами. Сервер с двумя RTX PRO 6000 Server Edition и двумя процессорами AMD EPYC потребляет, по нашей оценке, около 1,8 кВт. Пара карт держит Qwen3-Coder-Next (80 млрд, 3 млрд активных, Apache 2.0) для нескольких команд днем и пишет тесты для целой библиотеки модулей ночью. С учетом отключений такой сервер планируют вместе с ИБП и генератором.
Опубликованных скоростей этих моделей на тестах для встроенного кода нет, поэтому замерьте выборку собственных требований, прежде чем обещать сроки. ETE рассчитывает конфигурацию по вашей цепочке инструментов, образцу модуля с требованиями и размеру команды.
Развертывание без интернета: шаги для ИТ-отдела
- Установка офлайн. Драйвер, среда контейнеров, сервер моделей и веса переносят с промежуточного хоста, после чего интернет машине не нужен, и код заказчика под NDA остается в вашей сети.
- Сервер моделей. Для пилота достаточно Ollama, команду эффективнее обслуживает vLLM. Его
--api-keyзащищает только часть путей, поэтому перед ним ставят LLM-шлюз с ключами и журналом запросов. - Машина сборки. Дайте ассистенту инструмент, который собирает и запускает один тестовый файл вашим кросс-компилятором или симулятором и возвращает вывод, иначе каждый черновик ждет инженера.
- Журналы и права. Промпты содержат код заказчика, поэтому заранее решите, сколько шлюз их хранит и кто их читает; внутренние правила описаны в статье о политике ИИ-ассистентов для кода. Если передаете тесты заказчику, учтите: сгенерированное программой без непосредственного участия человека охраняет особое право по ст. 33 Закона № 2811-IX, а его условия может определять договор.
- Измерения. Возьмите 20 требований с проверенными тестами из завершенного проекта и прогоняйте их после каждой смены модели или промпта, считая рабочие тесты, покрытие и долю принятых без правок.
Частые вопросы
Может ли ИИ писать юнит-тесты для встроенного C?
Да, как черновики. В EmbC-Test проверку выполнением прошли 84,5 % тестов, сгенерированных с поиском по коду, но 55,6 % проверенных еще требовали правок.
Может ли локальная LLM проверять код на MISRA C?
Роль анализатора ей давать не стоит. Нарушения находит статический анализатор, модель объясняет их и предлагает исправления, после чего анализатор и тесты запускают снова.
Можно ли работать с ИИ для встроенных систем полностью офлайн?
Да, все устанавливают с промежуточного хоста, а машина сборки доступна во внутренней сети. EmbC-Test использовал облачную модель, так что цифр точности для офлайн-варианта пока нет.
Поддерживает ли VectorCAST локальные модели?
Для Reqs2x страница VectorCAST 2026 описывает подход «Bring Your Own Model» и локальное, облачное и гибридное развертывание, но моделей и интерфейсов не называет. Что должен предоставлять ваш сервер, уточните у Vector.
Принимаются ли сгенерированные ИИ тесты по ISO 26262?
ISO 26262-8 требует доверия к инструментам и квалификации на высших уровнях. Мы советуем, чтобы модель только писала черновики, а тест проверял инженер и запускали квалифицированные инструменты. Классификацию модели определяют менеджер по функциональной безопасности и асессор.
Какая GPU нужна для локального ИИ в разработке встроенных систем?
Для пилота хватает RTX PRO 4500 на 32 ГБ: gpt-oss-20b, модель эмбеддингов и 15 сессий по 32K токенов. RTX PRO 6000 на 96 ГБ запускает Qwen3-Coder-30B-A3B в FP8 с 17 сессиями, а сервер с двумя RTX PRO 6000 Server Edition обслуживает несколько команд.
Что из этого есть в ETE
- NVIDIA RTX PRO 4500 Blackwell 32 ГБ: gpt-oss-20b, Qwen3-Embedding-0.6B и 15 сессий при 200 Вт для пилота.
- ETE AI Workstation: RTX PRO 6000 на 96 ГБ, Qwen3-Coder-30B-A3B с 17 сессиями (35 с кешем FP8) для отдела, с расширением до двух Max-Q.
- NVIDIA RTX PRO 6000 Blackwell Max-Q 96 ГБ: те же 96 ГБ при 300 Вт для станций с несколькими картами.
- ETE AI Server RTX PRO: четыре RTX PRO 6000 Server Edition в 4U, то есть две пары под Qwen3-Coder-Next по 108 сессий.
Нужна станция для тестирования встроенного кода?
Пришлите описание цепочки инструментов, один образец модуля с требованиями и количество инженеров. ETE рассчитает конфигурацию, а при необходимости инженеры Vixen.UNO настроят модель, индекс кода и связь с вашими машинами сборки.