Πέντε ημέρες αυτόνομης ανάπτυξης τοπικής AI: από 77% σε 99%
Πέντε ημέρες πειραματικού αυτοβελτιούμενου περιβάλλοντος ανάπτυξης γύρω από παγωμένο τοπικό μοντέλο: ποιότητα, ταχύτητα, κόστος και ανοιχτά ερωτήματα.
Μεταξύ 31 Οκτωβρίου και 5 Νοεμβρίου 2026 ένα πειραματικό περιβάλλον ανάπτυξης για Qwen3.8-Flash-Next IQ3_S ανέβασε το ποσοστό τέλεια λυμένων εργασιών από 77% σε 99% σε σταθερό σύνολο 178 εργασιών (τιμολόγια, πίνακες, διάγνωση, κώδικας και φιλτράρισμα). Τα βάρη του μοντέλου δεν επανεκπαιδεύτηκαν.
Η εξαγωγή συμπερασμάτων πέρασε από Strata σε Basalt. Το decode ανέβηκε από περίπου 80 σε 130–220 tok/s· το prefill περίπου διπλασιάστηκε· ο πλήρης γύρος benchmark έπεσε από 87 λεπτά σε 6,9. Το περιβάλλον ανάπτυξης πέρασε από 15 εκδόσεις με συμβατικούς ελέγχους.
Στις μηχανές που χρησιμοποιήθηκαν για γύρους benchmark υπήρχαν περίπου 34.000 κλήσεις μοντέλου και περίπου 37 εκατομμύρια tokens. Η εργασία έτρεξε αυτόνομα με σταθερούς κανόνες και ανθρώπινες αναθεωρήσεις στα σημεία απόφασης.
Εκτιμώμενο κόστος ίδιου όγκου tokens μέσω εμπορικών API (υποθέτοντας 33M είσοδο και 4M έξοδο, τυπικές δημόσιες τιμές): τάξης χιλιάδων δολαρίων. Ο τοπικός γύρος χρησιμοποίησε υλισμικό ήδη διαθέσιμο στο εργαστήριο.
Έναντι βάσης ακατέργαστου μοντέλου με τον ίδιο προϋπολογισμό υπολογισμού (τυφλό best-of-2) το περιβάλλον ανάπτυξης σημείωσε +13,5 ποσοστιαίες μονάδες. Τρέχουν γύροι holdout για έλεγχο ανθεκτικότητας σε άγνωστες εργασίες. Εκδόσεις, μέθοδος και benchmarks στο GitHub.