Viisi päivää autonomista paikallisen tekoälyn kehitystä: 77 %:sta 99 %:iin
Viisi päivää kokeellista itsensä parantavaa kehitysympäristöä jäädytetyn paikallisen mallin ympärillä: laatu, nopeus, kustannus ja avoimet kysymykset.
31. lokakuuta–5. marraskuuta 2026 kokeellinen kehitysympäristö Qwen3.8-Flash-Next IQ3_S:lle nosti täydellisesti ratkaistujen tehtävien osuuden 77 %:sta 99 %:iin kiinteässä 178 tehtävän joukossa (laskut, taulukot, diagnostiikka, koodi ja suodatus). Mallin painoja ei uudelleenkoulutettu.
Päättely siirtyi Stratasta Basaltiin. Decode nousi noin 80:stä 130–220 tok/s:ään; prefill suunnilleen kaksinkertaistui; koko mittariajo laski 87 minuutista 6,9:ään. Kehitysympäristö kävi läpi 15 julkaisua sopimustarkistuksilla.
Mittariajoissa käytetyillä koneilla oli noin 34 000 mallikutsua ja noin 37 miljoonaa tokenia. Työ eteni autonomisesti kiinteiden sääntöjen mukaan, ihmistarkistuksilla päätöskohdissa.
Saman tokenmäärän arvioitu kustannus kaupallisten API:iden kautta (olettaen 33M sisään ja 4M ulos, tyypilliset julkiset hinnat): tuhansien dollarien luokkaa. Paikallinen ajo käytti laboratoriossa jo olevaa laitteistoa.
Saman laskentabudjetin raakamallin perustasoon nähden (sokea best-of-2) kehitysympäristö sai +13,5 prosenttiyksikköä. Holdout-ajoja tehdään kestävyyden tarkistamiseksi tuntemattomilla tehtävillä. Julkaisut, menetelmä ja mittarit ovat GitHubissa.