स्थानीय AI के स्वायत्त विकास के पाँच दिन: 77% से 99%
जमे हुए स्थानीय मॉडल के आसपास पाँच दिन का प्रयोगात्मक स्व-सुधार विकास परिवेश: गुणवत्ता, गति, लागत और खुले प्रश्न।
31 अक्टूबर से 5 नवंबर 2026 के बीच Qwen3.8-Flash-Next IQ3_S के लिए प्रयोगात्मक विकास परिवेश ने 178 कार्यों के निश्चित सेट (इनवॉइस, तालिकाएँ, निदान, कोड और फ़िल्टरिंग) पर पूर्णतः हल कार्यों का हिस्सा 77% से 99% किया। मॉडल वज़न फिर से प्रशिक्षित नहीं किए गए।
इन्फ़रेंस Strata से Basalt पर गया। Decode लगभग 80 से 130–220 tok/s हुआ; prefill लगभग दोगुना; पूरा बेंचमार्क रन 87 मिनट से 6,9 पर आया। विकास परिवेश ने संविदा जाँचों के साथ 15 रिलीज़ पूरे किए।
बेंचमार्क रन वाली मशीनों पर लगभग 34,000 मॉडल कॉल और लगभग 37 मिलियन टोकन थे। काम निश्चित नियमों के तहत स्वायत्त चला, निर्णय बिंदुओं पर मानव समीक्षा के साथ।
व्यावसायिक API से उसी टोकन मात्रा की अनुमानित लागत (33M इनपुट और 4M आउटपुट मानकर, सामान्य सार्वजनिक कीमतें): हज़ारों डॉलर के क्रम पर। स्थानीय रन ने प्रयोगशाला में पहले से उपलब्ध हार्डवेयर इस्तेमाल किया।
समान कम्प्यूट बजट वाली कच्ची मॉडल बेसलाइन (अंधा best-of-2) के मुकाबले विकास परिवेश ने +13,5 प्रतिशत अंक दर्ज किए। अपरिचित कार्यों पर स्थिरता जाँचने के लिए holdout रन चल रहे हैं। रिलीज़, विधि और बेंचमार्क GitHub पर हैं।