Anaconda startet Kilo Desktop in der Beta mit Zugriff auf mehr als 500 KI-Modelle

Warum Anaconda eine einzige App gebaut hat

Anaconda argumentiert, wer mit KI entwickle, müsse meist mehrere Werkzeuge parallel jonglieren. Spitzenlabore wie OpenAI, Anthropic und Google bauen Modelle, die Teams für ihre schwierigsten Probleme einsetzen wollen. Laut dem Unternehmen ist der Agent-Harness jedes Labors jedoch an die eigene Modellfamilie gebunden. Ein Wechsel zu Open-Source-Modellen von NVIDIA, Moonshot, MiniMax, Z AI und anderen sei damit nicht möglich.

Manche Teams wollen zudem auf lokalen Modellen aufbauen und brauchen mehr als generische Codegenerierung. Notebooks, conda-Umgebungen und Terminals liegen meist an anderer Stelle, und ein Sicherheitsteam muss jedes Werkzeug einzeln freigeben. Kilo Desktop soll diese Arbeit an einem Ort bündeln, in einem Tool, das Sicherheitsteams genehmigen können.

Workspaces, Agenten und Notebooks

Anaconda zufolge liegen echte Projekte selten in einem einzigen Ordner, etwa wenn eine API und die zugrunde liegende Analyse in getrennten Repositories stecken. Ein Workspace in Kilo Desktop ist eine benannte Gruppe von Ordnern auf dem Rechner der Nutzer, sodass der Agent die Analyse lesen kann, während er den Dienst schreibt, ohne dass etwas dazwischen kopiert werden muss.

Die App wird mit vier Agenten ausgeliefert:

• Code schreibt und bearbeitet Dateien.
• Plan liest das Projekt und liefert einen schrittweisen Umsetzungsplan, ohne etwas zu verändern.
• Ask beantwortet Fragen zum Code, ohne ihn zu verändern.
• Debug findet Fehler und behebt sie.

Sobald ein Plan freigegeben ist, übernimmt Code, zerlegt ihn in Teilaufgaben und führt diese mit Sub-Agenten parallel aus. Nutzer können außerdem eigene Agenten erstellen und mit ihrem Team teilen.

Für Datenarbeit bearbeitet der Agent Notebooks direkt, statt über eingefügte Zellen. Nutzer sehen, wie sich sein Cursor beim Schreiben durch die Zelle bewegt, und können die Arbeit im Notebook mit geladenen Daten prüfen. Kilo Desktop erstellt und verwaltet außerdem conda-Umgebungen direkt in der App und greift dabei auf Anacondas Katalog mit mehr als 19.000 geprüften Paketen zurück.

Die Oberfläche behandelt Chats, Notebooks, Dateien, Diffs und Terminals als Tabs, die sich in Gruppen anordnen lassen. Ein Karussell-Modus kümmert sich um breite Layouts, und jeder Tab kann im Vollbild laufen oder auf einen zweiten Monitor ausgelagert werden.

Modellauswahl, lokale Modelle und Kostensteuerung

Die Modellauswahl deckt laut Anaconda alle großen Spitzenlabore, führende Open-Source-Modelle und Anbieter aus allen Regionen ab. Wer nicht selbst wählen möchte, kann sich auf die Auto-Router von Kilo verlassen. Auto Efficient prüft eine Anfrage anhand von Kilo Bench, dem hauseigenen Coding-Benchmark, und leitet sie an das günstigste Modell weiter, das sich für diese Art von Aufgabe als geeignet erwiesen hat.

Modelle, die Nutzer selbst hosten oder anderswo abonnieren, lassen sich über ein Preset oder einen benutzerdefinierten Endpunkt mit eigenem API-Schlüssel einbinden. Ein integrierter lokaler Modellserver führt offene Modelle auf der eigenen Hardware aus, sodass die Prompts auf dem Rechner bleiben. Eine Einstellung legt fest, ob lokale Anfragen das komplette Agenten-Toolkit von Kilo mitführen, was sich für Arbeit am Code eignet, oder ohne es laufen, was sie schneller und schlanker macht.

Der Kilo-Marktplatz bietet Skills, Model-Context-Protocol-Server (MCP) und eigene Agenten. Sie lassen sich für einen einzelnen Workspace oder für alle installieren.

Governance für Unternehmen

Anaconda betont, Vielfalt ohne Governance sei ein Risiko. Administratoren können festlegen, welche Modelle genutzt werden dürfen, welche Anbieter und Regionen zulässig sind, was jeder Agent tun darf und welche Skills er installieren kann. Da die Kontrollen im Produkt selbst liegen, setzt die App genau die Richtlinie durch, die ein Sicherheitsteam formuliert, so das Unternehmen.

Kilo Desktop steht ab sofort als Beta zum Download bereit. Für Teams, die mehrere Spitzen- und Open-Source-Modelle, lokale Optionen und Python-Umgebungen unter einem verwalteten Dach wünschen, ist es Anacondas Versuch, das Zusammenflicken getrennter Werkzeuge überflüssig zu machen.