Hoppa till innehåll
September 12, 2026

Ivy Tendril vs Devin: lokal-först orkestrering eller molnhostad ingenjör

Både Devin och Ivy Tendril låter dig lämna ett ärende till en AI-agent och få en färdig pull request tillbaka. Skillnaden ligger i var arbetet utförs och vem som kontrollerar det. Devin, utvecklad av Cognition, är en molnhostad autonom mjukvaruingenjör: den körs i en molnmiljö som driftas av Cognition, med modeller som Cognition väljer, och du interagerar med den via en webbapp eller chatt. Ivy Tendril är en lokal-först skrivbordsapplikation: agenter körs på din egen maskin, i isolerade Git-worktrees, med de agenter och modeller du själv väljer och dina egna API-nycklar. Varje plan och varje diff granskas av en människa innan arbetet går vidare. Om din kod får hostas i en leverantörs moln och du vill ha minimal inblandning passar Devin. Om din kod måste stanna på din egen infrastruktur, eller om du vill välja agent och modell samt se exakta kostnader per uppgift, är Tendril byggt för dig.

Vad respektive verktyg är till för

Devin

Devin är en molnhostad agent. Cognition sätter upp en miljö med ett skal, en editor och en webbläsare, ansluter den till ditt arkiv och du tilldelar uppgifter via chatt eller via Devins webbgränssnitt. Devin tar sig an uppgiften, kör kommandon i sin miljö och skapar en pull request. Du kan köra flera Devin-sessioner samtidigt och kontrollera statusen för varje session. Det är en produkt med sluten källkod och abonnemangsprissättning; se Cognitions webbplats för aktuella prisnivåer. Dess främsta fördel är att ett team kan delegera arbete utan att köra någonting lokalt på utvecklarnas datorer.

Ivy Tendril

Ivy Tendril är en skrivbordsapplikation för macOS, Windows och Linux från Ivy Interactive AB i Stockholm. Den kör det arbetsflöde som kallas en mjukvarufabrik: Ett ärende blir till en plan. En människa granskar planen. En agent exekverar den i ett isolerat Git-worktree. Tester och linter körs. En människa granskar diffen. En pull request öppnas på GitHub. Den kan även köras i headless-läge via tendril --web. Grundapplikationen är gratis och källkodsöppen under Functional Source License, med Pro- och Enterprise-planer för teamfunktioner, drift på egna servrar (on-prem), SSO, import av verifieringsresultat från CI samt teknisk support.

Tendril levereras inte med någon specifik agent eller modell. Den styr Claude Code, OpenAI Codex CLI, GitHub Copilot CLI, Google Gemini CLI, OpenCode eller valfri CLI-agent, och använder dina egna API-nycklar. Anthropics egna bästa praxis för Claude Code beskriver precis den arbetsfördelning som Tendril automatiserar: först en skriftlig plan, sedan exekvering och därefter granskning. För den övergripande idén, läs vad är en mjukvarufabrik.

Jämförelse sida vid sida

Aspekt Ivy Tendril Devin
Var agenter körs På din maskin, i ett Git-worktree per plan I Cognitions molnmiljö
Var koden hamnar Stannar lokalt; anrop går enbart till din LLM-leverantör och GitHub Klonas till Cognitions molnmiljö
Modellval Valfri leverantör där du har API-nyckel, utbytbar per plan Bestäms av Cognition
Agentval Claude Code, Codex CLI, Copilot CLI, Gemini CLI, OpenCode, valfri CLI Devin
Mänskliga kontrollpunkter Plan-godkännande och diff-godkännande, alltid (2 grindar) Uppgiftstilldelning och PR-granskning
Verifiering Tester, linter och diff i Review; CI-import i Pro Tester som Devin kör i sin miljö, rapporterade i PR
Kostnad Gratis kärna; du betalar leverantören direkt; spåras per plan och jobb Abonnemang, se Cognitions webbplats
Källkod Tillgänglig källkod under FSL-1.1-ALv2 Sluten källkod
Drift Lokal skrivbordsapp, headless eller on-prem för Enterprise Molnhostad av Cognition

Var koden körs

Detta är den största skillnaden och den punkt som avgör valet för många team.

Med Devin klonas ditt arkiv till en miljö som driftas av Cognition. Devin läser koden, redigerar den, kör den och skickar tillbaka grenar. Cognition redogör för sina säkerhetsrutiner och många företag finner dem tillräckliga. Men en extern part har en kopia av din källkod och kör godtyckliga kommandon mot den, vilket ofta är en juridisk och säkerhetsmässig upphandlingsfråga lika mycket som en teknisk.

Med Tendril lämnar ingenting din dator förutom två typer av trafik: prompter och svar till den LLM-API du valt, samt Git-operationer med GitHub. Planer, agentminne, körloggar och kostnadsdata sparas uteslutande lokalt. Tendril agerar inte mellanhand (proxy) för modelltrafiken och det finns ingen Tendril-server som ser din kod. Om ditt företag redan har ett databehandlingsavtal (DPA) med Anthropic, OpenAI eller Google, eller dirigerar anrop via OpenRouter, Vercel AI Gateway eller Cloudflare, täcker det avtalet all extern trafik som Tendril genererar. Vi förklarar bakgrunden i lokal-först AI-utveckling: varför koden stannar på din maskin.

Mänskliga kontrollpunkter

Devins designmål är full autonomi: Du tilldelar en uppgift och Devin bestämmer själv hur den ska lösas, genomför ändringarna och levererar en PR. Du har möjlighet att titta på och ingripa, men standardläget är att låta den arbeta självständigt.

Tendrils designmål är ett fast antal obligatoriska kontrollpunkter. Det finns exakt två, och ingen av dem kan kringgås:

  1. Planen: Promptwaren CreatePlan formulerar ett skriftligt utkast. Du läser det, kommenterar inline, expanderar, delar upp eller godkänner. Ingen kod ändras innan du ger klartecken.
  2. Diffen: Efter att agenten avslutat sitt arbete kör Verify-steget tester, linter och en diff-sammanfattning. Granskningsvyn (Review) visar ändringen sida vid sida med verifieringsresultaten. Ingenting blir en pull request utan ditt uttryckliga godkännande.

Artikeln om verifieringsgrindar för AI-genererad kod beskriver exakt vad som körs i detta skede.

Vilken metod som är bäst beror på hur mycket du litar på modellens utdata. För projekt med låg risk är Devins modell snabbare. För kod som levereras till betalande kunder är två obligatoriska granskningar per ändring precis vad de flesta utvecklingschefer efterfrågar.

Parallellism och isolering

Båda verktygen kan köra många uppgifter samtidigt. Devin gör det genom flera molnsessioner. Tendril gör det med parallella planer där varje agent körs i ett eget Git-worktree på en separat gren, vilket gör att huvudgrenen hålls helt ren fram till granskningen. I artikeln om att köra parallella agenter i Git-worktrees går vi igenom mekaniken i detalj. Dashboarden ger överblick över status, kostnader och Git-aktivitet; Jobs streamar varje agents terminalutdata live; Review samlar alla diffar som väntar på mänsklig kontroll. Eftersom agenter körs lokalt använder de dina befintliga verktyg, miljövariabler och interna paketarkiv utan att du behöver konfigurera externa miljöer.

En bärbar dator har begränsat med CPU och minne, och omfattande parallella körningar når förr eller senare den gränsen. Den seriella delen av ett arbetsflöde sätter taket för vad parallellitet kan åstadkomma, vilket helt enkelt är Amdahls lag tillämpad på kodgranskning. Genom att köra Tendril i headless-läge med tendril --web på en kraftfullare arbetsstation eller server, med åtkomst via telefonen genom en Cloudflare Quick Tunnel, kan team skala bortom den begränsningen.

Kostnadskontroll och inlåsning

Devin bakar in beräkningsresurser och modellanvändning i sin fasta abonnemangskostnad. Det är förutsägbart att budgetera, men marginalkostnaden per uppgift förblir dold och du är låst till de modeller Cognition erbjuder.

Tendrils kärna är gratis. Du betalar din modell-leverantör direkt och Tendril loggar tokens och kostnader exakt per plan och per jobb. När en viss typ av uppgift drar iväg i kostnad ser du det omedelbart och kan byta den planen till en billigare modell eller en annan agent. Eftersom Tendril är agentoberoende, källkodsöppet och arbetar via vanliga Git-grenar och GitHub pull requests innebär ett byte bort från Tendril att dina arkiv, din historik och dina PRs förblir exakt som de var. Ingen tränar modeller på din kod.

När Devin är rätt val

  • Du vill inte ha någon lokal installation. Teamet delegerar uppgifter via chatt och slipper köra programvara lokalt.
  • Din kod kan lagras hos en tredje part under Cognitions användarvillkor och upphandlingen är godkänd.
  • Du föredrar att en enda leverantör hanterar valet och driften av modellerna.
  • Du vill ha molnhostad beräkningskraft som är oberoende av utvecklarnas bärbara datorer.

Devin är ett rationellt alternativ för team i den situationen. Om du utvärderar fler verktyg i samma kategori har vi publicerat motsvarande jämförelser för Cursor, Claude Code och GitHub Copilot coding agent.

När Ivy Tendril är rätt val

  • Din kod måste stanna på din egen infrastruktur och modelltrafik får enbart gå till leverantörer du har avtal med.
  • Du vill själv välja agent och modell, och kunna byta dem fritt per plan.
  • Du kräver en skriftlig plan godkänd före exekvering och en verifierad diff godkänd före merge, varje gång.
  • Du vill ha full insyn i kostnaden per uppgift och per jobb.
  • Du vill kunna inspektera eller modifiera verktygets källkod (licensierad under FSL-1.1-ALv2).

Installera med curl -sSf https://cdn.ivy.app/install-tendril.sh | sh på macOS/Linux eller irm https://cdn.ivy.app/install-tendril.ps1 | iex på Windows. Ytterligare frågor besvaras på vår FAQ-sida.

Vanliga frågor

Erbjuder Tendril ett molnhostat alternativ?

Tendril körs på din egen dator eller i headless-läge med tendril --web på infrastruktur du själv kontrollerar. Enterprise erbjuder on-prem-installation för organisationer. Ivy hostar inte din kod och kör inte dina agenter.

Kan Tendril ta emot ärenden på samma sätt som Devin tar emot uppgifter från chatt?

Ja. Tendril tar emot GitHub-issues och felrapporter från jam.dev via GitHub-webhooks, och kan ta emot planer via CLI, REST API och en MCP-server.

Vilka modeller använder Tendril?

De modeller du själv konfigurerar. Dokumenterade leverantörer inkluderar Anthropic, OpenAI, Google, OpenRouter, Vercel AI Gateway, Cloudflare, Scaleway och NVIDIA. Både agenten och modellen kan anpassas för varje enskild plan utan att arbetsflödet förändras.

Kom igång med Ivy Tendril

Är du redo för parallell agentorkestrering på utvecklarnivå?

Written by

Ivy Team