Cinci zile de dezvoltare autonomă a AI locale: de la 77% la 99%
Cinci zile ale unui mediu de dezvoltare experimental auto-îmbunătățitor în jurul unui model local înghețat: calitate, viteză, cost și întrebări deschise.
Între 31 octombrie și 5 noiembrie 2026, un mediu de dezvoltare experimental pentru Qwen3.8-Flash-Next IQ3_S a ridicat ponderea sarcinilor rezolvate perfect de la 77% la 99% pe un set fix de 178 de sarcini (facturi, tabele, diagnostic, cod și filtrare). Greutățile modelului nu au fost reantrenate.
Inferența a trecut de la Strata la Basalt. Decode a crescut de la circa 80 la 130–220 tok/s; prefill s-a dublat aproximativ; rularea completă a benchmark-ului a scăzut de la 87 de minute la 6,9. Mediul de dezvoltare a trecut prin 15 versiuni cu verificări contractuale.
Pe mașinile folosite pentru rulările de benchmark au fost circa 34.000 de apeluri la model și circa 37 de milioane de tokeni. Lucrul a rulat autonom după reguli fixe, cu revizuiri umane în punctele de decizie.
Costul estimat pentru același volum de tokeni prin API-uri comerciale (presupunând 33M input și 4M output, prețuri publice tipice): de ordinul miilor de dolari. Rularea locală a folosit hardware deja disponibil în laborator.
Față de o linie de bază a modelului brut cu același buget de calcul (best-of-2 orb), mediul de dezvoltare a marcat +13,5 puncte procentuale. Rulează holdout-uri pentru a verifica robustețea pe sarcini necunoscute. Versiuni, metodă și benchmark-uri — pe GitHub.