Tools
Adopt
-
51. Renovate
Renovate has become the tool of choice for many of our teams looking to take a proactive approach to dependency version management. While Dependabot remains a safe default choice for GitHub-hosted repositories, we continue to recommend evaluating Renovate as a more comprehensive and customizable solution. To maximize Renovate’s benefits, configure it to monitor and update all dependencies, including tooling, infrastructure and private or internally hosted dependencies. To reduce developer fatigue, consider automatic merging of dependency update PRs.
-
52. uv
Since the last Radar, we’ve gained more experience with uv, and feedback from teams has been overwhelmingly positive. uv is a next-generation Python package and project management tool written in Rust, with a key value proposition: it’s "extremely fast." It outperforms other Python package managers by a large margin in benchmarks, accelerating build and test cycles and significantly improving developer experience. Beyond performance, uv offers a unified toolset, effectively replacing tools like Poetry, pyenv and pipx. However, our concerns around package management tools remain: a strong ecosystem, mature community and long-term support are critical. Given that uv is relatively new, moving it to the Adopt ring is bold. That said, many data teams are eager to move away from Python’s legacy package management system, and our frontline developers consistently recommend uv as the best tool available today.
-
53. Vite
Since Vite was last mentioned in the Radar, it has gained even more traction. It’s a high-performance front-end build tool with fast hot-reloading. It’s being adopted and recommended as a default choice in many front-end frameworks, including Vue, SvelteKit and React which recently deprecated create-react-app. Vite also recently received significant investment, which led to the founding of VoidZero, an organization dedicated to Vite’s development. This investment should accelerate development and enhance the project's long-term sustainability.
Trial
-
54. Claude Sonnet
Claude Sonnet is an advanced language model that excels in coding, writing, analysis and visual processing. It's available in the browser, terminal, most major IDEs and even integrates with GitHub Copilot. As of writing, benchmarking shows it outperforms previous models with versions 3.5 and 3.7, including earlier Claude models. It's also adept at interpreting charts and extracting text from images, and it features a developer-focused experience, such as with the "Artifacts" feature in the browser UI for generating and interacting with dynamic content such as code snippets and HTML designs.
We’ve used version 3.5 of Claude Sonnet extensively in software development and found it significantly boosts productivity across various projects. It excels in greenfield projects, particularly in collaborative software design and architectural discussions. While it may be too early to call any AI model "stable" for coding assistance, Claude Sonnet is among the most reliable models we've worked with. At the time of writing, Claude 3.7 has also been released and is promising, though we’ve not yet fully tested it in production.
-
55. Cline
Cline is an open-source VSCode extension that is currently one of the strongest contenders in the space of supervised software engineering agents. It lets developers drive their implementation entirely from the Cline chat, integrating seamlessly with the IDE they already use. Key features like Plan & Act mode, transparent token usage and MCP integration help developers interact effectively with LLMs. Cline has demonstrated advanced capabilities in handling complex development tasks, especially with Claude 3.5 Sonnet. It supports large codebases, automates headless browser testing and proactively fixes bugs. Unlike cloud-based solutions, Cline enhances privacy by storing data locally. Its open-source nature not only ensures greater transparency but also enables community-driven improvements. However, developers should be mindful of token usage cost, as Cline's code context orchestration, while very effective, is resource-intensive. Another potential bottleneck is rate limiting, which can slow down workflows. Until this is resolved, using API providers like OpenRouter, which provide better rate limits, is advisable.
-
56. Cursor
We continue to be impressed by the AI-first code editor Cursor, which remains a leader in the competitive AI coding assistance space. Its code context orchestration is very effective, and it supports a wide range of models, including the option to use a custom API key. The Cursor team often comes up with innovative user experience features before the other vendors, and they include an extensive list of context providers in their chat, such as the referencing of git diffs, previous AI conversations, web search, library documentation and MCP integration. Alongside tools like Cline and Windsurf, Cursor also stands out for its strong agentic coding mode. This mode allows developers to guide their implementation directly from an AI chat interface, with the tool autonomously reading and modifying files, as well as executing commands. Additionally, we appreciate Cursor's ability to detect linting and compilation errors in generated code and proactively correct them.
-
57. D2
D2 is an open-source diagrams-as-code tool that helps users create and customize diagrams from text. It introduces the D2 diagram scripting language, which prioritizes readability over compactness with a simple, declarative syntax. D2 ships with a default theme and leverages the same layout engine as Mermaid. Our teams appreciate its lightweight syntax, which is specifically designed for software documentation and architecture diagrams.
-
58. Databricks Delta Live Tables
Delta Live Tables (DLT) continues to prove its value in simplifying and streamlining data pipeline management, supporting both real-time streaming and batch processing through a declarative approach. By automating complex data engineering tasks, such as manual checkpoint management, DLT reduces operational overhead while ensuring a robust end-to-end system. Its ability to orchestrate simple pipelines with minimal manual intervention enhances reliability and flexibility, while features like materialized views provide incremental updates and performance optimization for specific use cases.
However, teams must understand DLT’s nuances to fully leverage its benefits and avoid potential pitfalls. As an opinionated abstraction, DLT manages its own tables and restricts data insertion to a single pipeline at a time. Streaming tables are append-only, requiring careful design considerations. Additionally, deleting a DLT pipeline also deletes the underlying table and data, potentially creating operational issues.
-
59. JSON Crack
JSON Crack is a Visual Studio Code extension that renders interactive graphs from textual data. Despite its name it supports multiple formats, including YAML, TOML and XML. Unlike Mermaid and D2, where the textual form is a means to create a specific visual graph, JSON Crack is a tool to look at data that happens to be in a textual format. The layout algorithm works well and the tool allows selective hiding of branches and nodes, making it a great choice for exploring data sets. A companion web-based tool is also available, but our reservations about relying on online services for formatting or parsing code apply. JSON Crack does have a node limit, and directs users to a commercial sibling tool for handling files with more than a few hundred nodes.
-
60. MailSlurp
Testing workflows that involve email are often complex and time-consuming. Development teams must build custom email API clients for automation while also setting up temporary inboxes for manual testing scenarios, such as user testing or internal product training before major releases. These challenges become even more pronounced when developing customer onboarding products. We’ve had a positive experience with MailSlurp, a mail server and SMS API service. It provides REST APIs for creating inboxes and phone numbers as well as validating emails and messages directly in code, and its no-code dashboard is also useful for manual testing preparations. Additional features like custom domains, webhooks, auto-reply and forwarding are worth checking out for more complex scenarios.
-
61. Metabase
Metabase is an open-source analytics and business intelligence tool that allows users to visualize and analyze data from a variety of data sources, including relational and NoSQL databases. The tool helps users create visualizations and reports, organize them into dashboards and easily share insights. It also offers an SDK for embedding interactive dashboards in web applications, matching the theme and style of the application — making it developer-friendly. With both officially supported and community-backed data connectors, Metabase is versatile across data environments. As a lightweight BI tool, our teams find it useful for managing interactive dashboards and reports in their applications.
-
62. NeMo Guardrails
NeMo Guardrails is an easy-to-use open-source toolkit from NVIDIA that empowers developers to implement guardrails for LLMs used in conversational applications. Since we last mentioned it in the Radar, NeMo has seen significant adoption across our teams and continues to improve. Many of the latest enhancements to NeMo Guardrails focus on expanding integrations and strengthening security, data and control, aligning with the project’s core goal.
A major update to NeMo’s documentation has improved usability and new integrations have been added, including AutoAlign and Patronus Lynx, along with support for Colang 2.0. Key upgrades include enhancements to content safety and security as well as a recent release that supports streaming LLM content through output rails for improved performance. We've also seen added support for Prompt Security. Additionally, Nvidia released three new microservices: content safety NIM microservice, topic control NIM microservice and jailbreak detection, all of which have been integrated with NeMo Guardrails.
Based on its growing feature set and increased usage in production, we’re moving NeMo Guardrails to Trial. We recommend reviewing the latest release notes for a complete overview of the changes since our last blip.
-
63. Nyx
Nyx is a versatile semantic release tool that supports a wide range of software engineering projects. It’s language-agnostic and works with all major CI and SCM platforms, making it highly adaptable. While many teams use semantic versioning in trunk-based development, Nyx also supports workflows like Gitflow, OneFlow and GitHub Flow. One key advantage of Nyx in production is its automatic changelog generation, with built-in support for Conventional Commits.
As noted in previous Radar editions, we caution against development patterns that rely on long-lived branches (e.g., Gitflow, GitOps), as they introduce challenges that even powerful tools like Nyx cannot mitigate. We highly recommend trying Nyx in CI/CD workflows, especially for trunk-based development, where we’ve seen repeated success.
-
64. OpenRewrite
OpenRewrite continues to serve us well as a tool for large-scale refactorings that follow a set of rules such as moving to a new API version of a widely used library or applying updates to many services that were created from the same template. Support for languages beyond Java, notably JavaScript, has been introduced. With short LTS release cycles in frameworks like Angular, keeping projects updated to newer versions has become increasingly important. OpenRewrite supports this process effectively. Using an AI coding assistant is an alternative, but for rule-based changes, it’s usually slower, more expensive and less reliable. We like that OpenRewrite comes bundled with a catalog of recipes (rules), which describe the changes to be made. The refactoring engine, bundled recipes and build tool plugins are open-source software, which makes it easier for teams to reach for OpenRewrite when they need it.
-
65. Plerion
Plerion is an AWS-focused cloud security platform that integrates with hosting providers to uncover risks, misconfigurations and vulnerabilities across your cloud infrastructure, servers and applications. Similar to Wiz, Plerion uses risk-based prioritization for detected issues, promising to let you "focus on the 1% that matters." Our teams report positive experiences with Plerion, noting it has provided our clients with significant insights and reinforced the importance of proactive security monitoring for their organizations.
-
66. Software engineering agents
Since we last wrote about software engineering agents six months ago, the industry still lacks a shared definition of the term "agent." However, a major development has emerged — not in fully autonomous coding agents (which remain unconvincing) but in supervised agentic modes within the IDE. These modes allow developers to drive implementation via chat, with tools not only modifying code in multiple files but also executing commands, running tests and responding to IDE feedback like linting or compile errors.
This approach, sometimes called chat-oriented programming (CHOP) or prompt-to-code, keeps developers in control while shifting more responsibility to AI than traditional coding assistants like auto-suggestions. Leading tools in this space include Cursor, Cline and Windsurf, with GitHub Copilot slightly behind but catching up. The usefulness of these agentic modes depends on both the model used (with Claude's Sonnet series the current state of the art) and how well the tool integrates with the IDE to provide a good developer experience.
We've found these workflows intriguing and promising, with a notable increase in coding speed. However, keeping problem scopes small helps developers better review AI-generated changes. This works best with low-abstraction prompts and AI-friendly codebases that are well-structured and properly tested. As these modes improve, they’ll also heighten the risk of complacency with AI-generated code. To mitigate this, employ pair programming and other disciplined review practices, especially for production code.
-
67. Tuple
Tuple, a tool optimized for remote pair programming, was originally designed to fill the gap left by Slack’s Screenhero. Since we last mentioned it in the Radar, it has seen wider adoption, addressed previous quirks and constraints and now supports Windows. A key improvement is enhanced desktop sharing with a built-in privacy feature, allowing users to hide private app windows (such as text messages) while sharing tools like the browser window. Previously, UI limitations made Tuple feel like a pair programming tool rather than a general collaboration tool. With these updates, users can now collaborate on content beyond the IDE.
However, it’s important to note that the remote pair has access to the entire desktop. If not configured properly, this could be a security concern, especially if the pair is not trustworthy. We strongly recommend educating teams on Tuple’s privacy settings, best practices and etiquette before use.
We encourage teams to try the latest version of Tuple in your development workflow. It aligns with our pragmatic remote pairing recommendation, offering low-latency pairing, an intuitive UX and significant usability improvements.
-
68. Turborepo
Turborepo helps manage large JavaScript or TypeScript monorepos by analyzing, caching, parallelizing and optimizing build tasks to speed up the process. In large monorepos, projects often depend on each other; rebuilding all dependencies for every change is inefficient and time-consuming, but Turborepo makes this easier. Unlike Nx, Turborepo's default setup uses multiple package.json files — one per project — which allows having dependencies with different versions (multiple versions of React, for example) in a single monorepo, which Nx discourages. While this might be considered an anti-pattern, it does address certain use cases, like migrating from multi- to monorepo, where teams may temporarily require multiple versions of dependencies. In our experience, TurboRepo is quite simple to set up and performs well.
Assess
-
69. AnythingLLM
O AnythingLLM é um aplicativo de desktop de código aberto usado para interagir com grandes documentos ou trechos de conteúdo, contando com integração nativa com modelos de linguagem de grande porte (LLMs) e bancos de dados vetoriais. Ele possui uma arquitetura modular para modelos de embedding e pode ser utilizado tanto com LLMs comerciais quanto com modelos de código aberto gerenciados pelo Ollama. Além do suporte a RAG, é possível criar e organizar diferentes habilidades na forma de agentes para executar tarefas e fluxos de trabalho personalizados.As usuárias podem organizar documentos e interações dentro de diferentes espaços de trabalho, que funcionam como sessões persistentes com contextos distintos. Recentemente, também se tornou possível implantá-lo como uma aplicação web multiusuário utilizando uma simples imagem Docker. Algumas de nossas equipes estão usando o AnythingLLM como assistente pessoal local e o consideram uma ferramenta poderosa e útil.
-
70. Gemma Scope
A interpretabilidade mecanicista — compreender o funcionamento interno dos modelos de linguagem de grande porte (LLMs) — está se tornando um campo cada vez mais relevante. Ferramentas como Gemma Scope e a biblioteca de código aberto Mishax fornecem insights sobre a família de modelos abertos Gemma2. Ferramentas de interpretabilidade desempenham um papel essencial na depuração de comportamentos inesperados, identificando os componentes responsáveis por alucinações, vieses ou demais falhas, e na construção de confiança ao oferecer mais visibilidade sobre os modelos. Embora esse campo seja de interesse particular para pesquisadoras, vale destacar que com o recente lançamento do DeepSeek-R1, o treinamento de modelos tem se tornado mais viável à outras empresas além dos principais players do mercado. À medida que a IA generativa continua evoluindo, tanto a interpretabilidade quanto a segurança ganharão ainda mais importância.
-
71. Hurl
O Hurl é um canivete suíço para fazer sequências de solicitações HTTP, definidas em arquivos de texto simples usando a sintaxe específica do Hurl. Além de enviar solicitações, o Hurl pode validar respostas, garantindo que uma solicitação retorne um código de status HTTP específico; verificar condições nos cabeçalhos da resposta ou no conteúdo usando XPATH, JSONPath ou expressões regulares; e extrair dados da resposta em variáveis, que podem ser usadas para encadear solicitações.
Com seu conjunto de recursos, o Hurl é útil para automações simples de API, mas também serve como uma ferramenta de teste automatizado de API. Sua capacidade de gerar relatórios de teste detalhados em HTML ou JSON aumenta sua utilidade para testar workflows. Apesar de ferramentas dedicadas como Bruno e Postman oferecerem GUIs e recursos adicionais, gostamos do Hurl por sua simplicidade. Assim como o Bruno, que também usa arquivos de texto simples, os testes do Hurl podem ser armazenados no repositório de código.
-
72. Jujutsu
Git é o sistema de controle de versão distribuído (SCV) dominante, detendo a maior parte do mercado. Entretanto, apesar de mais de uma década de dominância, as desenvolvedoras ainda continuam enfrentando dificuldades com seus workflows complexos para branching, merging, rebasing e resolução de conflitos. Essa frustração contínua tem alimentado uma onda de ferramentas projetadas para aliviar essa dor — algumas oferecendo visualizações para esclarecer a complexidade, outras fornecendo suas próprias interfaces gráficas para abstraí-la completamente.
Jujutsu dá um passo adiante, oferecendo uma alternativa completa ao Git, mantendo a compatibilidade ao usar repositórios Git como backend de armazenamento. Isso permite que desenvolvedoras continuem usando os servidores e serviços Git existentes enquanto se beneficiam dos workflows simplificados do Jujutsu. Posicionado como simples e poderoso ao mesmo tempo, Jujutsu enfatiza facilidade de uso para desenvolvedoras de todos os níveis de experiência. Um dos seus recursos de destaque é a resolução de conflitos de primeira classe, que tem potencial para melhorar significativamente a experiência da desenvolvedora.
-
73. kubenetmon
Monitorar e entender o tráfego de rede associado ao Kubernetes pode ser um desafio, especialmente quando sua infraestrutura abrange várias zonas, regiões ou nuvens. kubenetmon, desenvolvido pela ClickHouse e recentemente disponibilizado como código aberto, busca resolver esse problema ao oferecer uma medição detalhada da transferência de dados do Kubernetes entre as principais provedoras de nuvem. Se você está rodando Kubernetes e tem se frustrado com custos obscuros de transferência de dados na sua fatura, pode valer a pena explorar o kubenetmon.
-
74. Mergiraf
Resolver conflitos de merges é provavelmente uma das atividades menos apreciadas no desenvolvimento de software. Ainda que existam técnicas que reduzam a complexidade dos merges — por exemplo, praticando integração contínua no sentido original de realizar o merge para a branch principal compartilhada diariamente — acabamos vendo muitos esforços gastos com merges. Branches de funcionalidades de longa duração são uma das culpadas, mas o código assistido por IA também possui uma tendência em aumentar o tamanho das mudanças de código. A ajuda pode vir na forma de Mergiraf, uma nova ferramenta que resolve conflitos de merges considerando a árvore sintática ao invés de tratar código apenas como linhas de texto. Como um controlador de merges do git, pode ser configurado para que sub-comandos git como
mergeecherry-pickautomaticamente utilizem Mergiraf ao invés das heurísticas padrões. -
75. ModernBERT
Sendo sucessor do BERT (Bidirectional Encoder Representations from Transformers), ModernBERT é uma família de modelos transformer enconder-only de última geração projetados para uma ampla gama de tarefas de processamento de linguagem natural (PLN). Como um substituto imediato, ModernBERT melhora o desempenho e a precisão, ao mesmo tempo que aborda algumas das limitações do BERT — notavelmente incluindo suporte para comprimentos de contexto muito maiores, graças à Atenção Alternada. Equipes com necessidades de PNL devem considerar o ModernBERT antes de adotar um modelo generativo de propósito geral.
-
76. OpenRouter
OpenRouter é uma API unificada para acessar vários modelos de linguagem de grande porte (LLMs). Ela fornece um único ponto de integração para provedores LLM tradicionais, simplifica a experimentação, reduz o bloqueio de fornecedores, e otimiza custos ao encaminhar solicitações para o modelo mais apropriado. Ferramentas populares como Cline e Open WebUI usam OpenRouter como seu ponto de acesso. Durante nossa discussão no Radar, questionamos se a maioria dos projetos realmente precisam alternar entre modelos, já que OpenRouter deve adicionar margem de lucro como um modelo de lucro sobre essa camada de encapsulamento. No entanto, também reconhecemos que o OpenRouter fornece várias estratégias de balanceamento de carga para ajudar a otimizar os custos. Um recurso particularmente útil é sua capacidade de ignorar limites de taxa de API. Se sua aplicação exceder o limite de taxa de um único provedor LLM, OpenRouter pode ajudar você a superar essa limitação e obter melhor rendimento.
-
77. Redactive
O Redactive é uma plataforma corporativa voltada à adoção segura de inteligência artificial, projetada para ajudar organizações reguladas a preparar dados não estruturados para aplicações de IA, como assistentes e copilotos baseados em inteligência artificial. Ela se integra a plataformas de conteúdo como o Confluence, criando índices seguros de texto para buscas com geração aumentada de recuperação (RAG). Ao fornecer apenas dados atualizados e aplicar permissões das usuárias em tempo real nos sistemas de origem, o Redactive garante que os modelos de IA tenham acesso a informações precisas e autorizadas sem comprometer a segurança. Além disso, ele oferece às equipes de engenharia ferramentas para construir casos de uso de IA com segurança utilizando qualquer modelo de linguagem de grande porte (LLM). Para organizações que estão explorando soluções impulsionadas por IA, o Redactive fornece uma abordagem simplificada para a preparação de dados e compliance, equilibrando segurança e acessibilidade para equipes que experimentam capacidades da IA em um ambiente controlado.
-
78. System Initiative
Continuamos empolgados com o System Initiative. Essa ferramenta experimental representa uma direção radicalmente nova para o trabalho em DevOps. Gostamos muito da abordagem criativa por trás dessa ferramenta e esperamos que ela incentive outras iniciativas a quebrar o status quo das abordagens de infraestrutura-como-código. O System Initiative saiu da fase beta e agora está disponível gratuitamente como código aberto, sob a licença Apache 2.0. Embora suas desenvolvedoras já o utilizem para gerenciar infraestrutura em produção, ainda existe um caminho a percorrer para atender às demandas de grandes empresas. No entanto, acreditamos que vale a pena explorá-lo para conhecer uma abordagem completamente diferente das ferramentas de DevOps.
-
79. TabPFN
TabPFN é um modelo baseado em transformadores projetado para classificação rápida e precisa em pequenos conjuntos de dados tabulares. Ele utiliza aprendizado em contexto (in-context learning, ou ICL) para fazer previsões diretamente a partir de exemplos rotulados, sem necessidade de ajuste de hiperparâmetros ou treinamento adicional. Pré-treinado em milhões de conjuntos de dados sintéticos, o TabPFN generaliza bem em diversas distribuições de dados e lida de forma eficaz com valores ausentes e atípicos. Seus pontos fortes incluem o processamento eficiente de dados heterogêneos e a robustez contra características não informativas.
O TabPFN é particularmente adequado para aplicações de pequeno porte, onde velocidade e precisão são cruciais. No entanto, enfrenta desafios de escalabilidade com conjuntos de dados maiores e tem limitações no tratamento de tarefas de regressão. Como uma solução inovadora, o TabPFN vale a pena ser avaliado pelo seu potencial de superar modelos tradicionais em classificação tabular, especialmente em cenários onde transformadores são menos comumente aplicados.
-
80. v0
v0, da Vercel, é uma ferramenta de IA para gerar código frontend a partir de uma captura de tela, design no Figma ou um simples comando. Ela dá suporte a React, Vue, shadcn e Tailwind, entre outros frameworks de frontend. Além do código gerado por IA, o v0 oferece uma ótima experiência de usuário, incluindo a capacidade de visualizar o código gerado e implantá-lo na Vercel em um único passo. Embora a construção de aplicações para o mundo real envolva a integração de múltiplas funcionalidades além de uma única tela, o v0 oferece uma maneira sólida de prototipar e pode ser usado para iniciar o desenvolvimento de aplicações complexas.
-
81. Windsurf
Windsurf é um assistente de programação de IA da Codeium que se destaca por suas capacidades “agênticas”, ou autônomas. Semelhante ao Cursor e Cline, ele permite que desenvolvedoras conduzam sua implementação a partir de um chat de IA que navega e altera o código e executa comandos. Ele frequentemente lança novos recursos e integrações interessantes para o modo agêntico. Recentemente, por exemplo, lançou uma visualização de navegador que facilita o acesso do agente aos elementos DOM e ao console do navegador, e uma capacidade de pesquisa na web que permite ao Windsurf procurar documentação e soluções na internet quando apropriado. O Windsurf fornece acesso a uma variedade de modelos populares, e as usuárias podem ativar e referenciar pesquisa na web, documentação da biblioteca e integração Model Context Protocol (MCP) – um protocolo para o intercâmbio de contexto entre diferentes modelos de IA – como provedores de contexto adicionais.
-
82. YOLO
A série YOLO (You Only Look Once), criada por Joseph Redmon e Ali Farhadi em 2015 durante o seu doutorado e desenvolvida pela Ultralytics, continua avançando nos modelos de visão computacional. A versão mais recente, YOLO11, oferece melhorias significativas em termos de precisão e eficiência em relação às versões anteriores. O YOLO11 pode realizar a classificação de imagens em alta velocidade com recursos mínimos, o que o torna adequado para aplicações em tempo real em dispositivos de ponta. Também descobrimos que a capacidade de usar a mesma estrutura para fazer estimativa de pose, detecção de objetos, segmentação de imagens e outras tarefas é muito poderosa. Esse desenvolvimento significativo também nos lembra que o uso de modelos “tradicionais” de aprendizado de máquina para tarefas específicas pode ser mais eficiente do que os modelos gerais de IA, como os modelos de linguagem de grande porte (LLMs).
Hold
The information in our interactive Radar is not available in your preferred language.
Unable to find something you expected to see?
Each edition of the Radar features blips reflecting what we came across during the previous six months. We might have covered what you are looking for on a previous Radar already. We sometimes cull things just because there are too many to talk about. A blip might also be missing because the Radar reflects our experience, it is not based on a comprehensive market analysis.
