A resposta curta
As duas empresas colocam o Greptile antes dos revisores humanos, mas de formas diferentes. Segundo a página de clientes do Greptile, a Scale AI o usa como revisor de primeira passagem para cerca de 650 engenheiros. Ele dá uma nota e uma explicação a cada pull request, e um pequeno conjunto de mudanças triviais pode ser promovido sem um humano.
A página da Nvidia descreve um projeto de outro formato: uma instância self-hosted que revisa código no Perforce e no GitLab, com recursos personalizados que o Greptile diz ter criado para cada um. Cada página informa os próprios resultados, medidos de forma diferente. Este artigo os mantém separados.
O que o Greptile faz antes de comentar
O Greptile diz que monta um grafo dos arquivos, funções e dependências de um repositório. Em seguida, um enxame de agentes revisa cada pull request com esse contexto mais amplo, avaliando o impacto além do diff e sinalizando bugs, riscos de segurança e violações de estilo.
Dois outros recursos descritos pelo fornecedor importam para esses estudos de caso. O Greptile diz que aprende os padrões de uma equipe com comentários de revisões anteriores e aceita regras personalizadas escritas em inglês simples. O fornecedor lista suporte completo a linguagens como Python, JavaScript, TypeScript, Go, Java, C++ e Rust e, em geral, oferece self-hosting, inclusive no ambiente AWS do cliente.
A página da Nvidia explica a diferença em termos simples: uma mudança é revisada em relação a chamadores e contratos que ela não toca, e não apenas às linhas do diff. A mesma página cita um argumento sobre independência: as ferramentas que escrevem o software não são as ferramentas que o revisam.
Scale AI: uma primeira passagem com nota, e um atalho estreito
A página da Scale diz que o Greptile é usado por cerca de 650 engenheiros que trabalham principalmente com Python, Go, TypeScript e React. O Greptile revisa primeiro. Depois, os revisores humanos abrem um pull request que já traz contexto e uma nota. O VP de Engenharia da Scale diz que os revisores se sentem mais confiantes com pull requests que o Greptile já avaliou e que a revisão de código tinha se tornado um gargalo crescente à medida que o desenvolvimento acelerava.
Há uma exceção. Uma mudança só é promovida automaticamente se for de baixo risco, ficar abaixo de um teto de complexidade e for explicitamente aprovada pelo Greptile, por exemplo um arquivo de fixture ou a edição de uma linha de log. A página diz que hoje só uma pequena parcela das mudanças se enquadra e que a Scale pode ampliá-la à medida que o monitoramento e os testes em produção amadurecerem. Quase todos os pull requests ainda passam por revisão humana.
A história da adoção é incomum. A Scale começou por um dos seus repositórios maiores e depois expandiu para as equipes que pediram a ferramenta. Os primeiros feedbacks dos engenheiros a chamaram de barulhenta e irritante. A Scale a manteve rodando por várias semanas e depois a desligou por um ou dois dias. Os engenheiros pediram a ferramenta de volta, e a página apresenta essa reação como o sinal mais claro de valor.
O VP informa que a empresa está fazendo merge e entregando mais rápido, especialmente em diffs mais simples, com mais confiança dos revisores. O número de destaque é mais de 100.000 bugs detectados. Esses são os números informados pela Scale. A página, na forma lida, não diz como um bug foi contado nem divide o número por gravidade.
Nvidia: um primeiro revisor self-hosted no Perforce e no GitLab
A página da Nvidia descreve uma instância self-hosted do Greptile que funciona com Perforce e GitLab, em uma base de código que inclui C++, Python e CUDA. O Greptile diz que entregou 35 recursos personalizados para a configuração com Perforce e 55 para a configuração com GitLab. É muito trabalho sob medida, e é o sinal mais claro de que não se tratou de uma instalação padrão.
A página informa cerca de 395.000 pull requests revisados, em aproximadamente 880.000 execuções de revisão e cerca de 930.000 comentários de revisão. São números de volume. Eles mostram quanto tráfego passa pelo revisor, não quantos comentários estavam certos ou foram úteis.
Quanto aos resultados, o número de tempo vem de uma única equipe. Segundo a página, o tempo médio até o merge dessa equipe caiu de mais de 24 horas para seis. A implantação abrange várias equipes e produtos da Nvidia, então esse número não deve ser lido como uma média de toda a empresa.
O que difere, e o que não se compara
As configurações diferem em vários pontos. A implantação da Nvidia é self-hosted e abrange dois sistemas de controle de versão, com ampla integração personalizada. A página da Scale descreve uma implementação para um grande grupo de engenharia em Python, Go, TypeScript e React e não descreve o modelo de hospedagem. A Scale também detalha um limite estreito para a promoção automática, enquanto a página da Nvidia, na forma lida, descreve o Greptile como primeiro revisor sem um caminho semelhante.
Os resultados também diferem. A Scale informa uma contagem de bugs detectados. A Nvidia informa o volume total de revisões e uma mudança no tempo até o merge de uma equipe. São páginas de clientes hospedadas pelo fornecedor, com populações e métricas diferentes, então não podem ser lidas como um benchmark de comparação direta. A Nvidia cita dois motivos para escolher o Greptile: suporte a grandes bases de código e um índice em grafo que dá contexto entre arquivos.
Lições para outras equipes
Estas são conclusões editoriais tiradas das duas páginas, não afirmações do fornecedor. Primeiro, trate a ferramenta como uma primeira passagem que facilita a revisão humana, como faz a Scale, e não como uma substituta. Segundo, se você permitir qualquer promoção automática, escreva os critérios antes. A combinação da Scale entre baixo risco e um teto de complexidade é um modelo útil.
Terceiro, uma inferência editorial a partir do caso da Scale: a irritação inicial não é o quadro completo. Os engenheiros da Scale acharam a ferramenta barulhenta, mas pediram que ela voltasse quando foi desligada. Perguntar se as pessoas sentem falta dela é uma forma de avaliá-la. Quarto, a Nvidia mostra outro caminho: o self-hosting no Perforce e no GitLab veio com um trabalho substancial de integração personalizada, como sugerem as contagens de recursos. Equipes com requisitos incomuns de controle de versão ou hospedagem devem esperar esse tipo de esforço. Equipes com configurações comuns podem ter menos trabalho.
Método e limites
2026-10-15
Este instantâneo datado conta empresas distintas nas evidências públicas de clientes. Confirmado significa um estudo de caso, um depoimento nominal ou uma fonte de imprensa; Observado significa uma listagem do fornecedor; Sinal significa um anúncio de vaga. Os três contam, mas a força de cada um é diferente. Linhas removidas e sem nível são excluídas. Os exemplos são uma seleção limitada, verificada nos últimos 90 dias. Os dados de fornecedores são registros com fonte, verificados nos últimos 60 dias. A cobertura é desigual, e a ausência de evidências equivale a desconhecido. Estes números não medem participação de mercado nem desempenho de produto; as datas de captura não são datas de adoção.
