П’ять днів автономної розробки локального ШІ: з 77% до 99%
П’ять днів експериментальної самопокращуваної середовища розробки навколо замороженої локальної моделі: якість, швидкість, вартість і відкриті питання.
З 31 жовтня по 5 листопада 2026 експериментальне середовище розробки для Qwen3.8-Flash-Next IQ3_S підняла частку ідеально розв’язаних завдань з 77% до 99% на фіксованому наборі з 178 завдань (рахунки, таблиці, діагностика, код і фільтрація). Ваги моделі не донавчали.
Інференс перейшов зі Strata на Basalt. Декодування зросло приблизно з 80 до 130–220 ток/с; prefill приблизно подвоївся; повний прогін бенчмарка скоротився з 87 хвилин до 6,9. Середовище розробки пройшла 15 релізів із контрактними перевірками.
На машинах бенчмарків було близько 34 000 викликів моделі та близько 37 млн оброблених токенів (близько 4 млн корисних токенів відповіді). Календарний час — 120 годин; велика частка потужності простоювала через зміну заліза, перезапуски й очікування рішень людини.
Оцінка вартості того самого обсягу через комерційні API (33 млн вхідних і 4 млн вихідних, стандартні тарифи, без кешу): Qwen Flash близько 3,25 $; DeepSeek Flash 7–15 $; Gemini 2.5 Flash близько 20 $; GPT-5.4 Mini близько 43 $; Grok 4.3 близько 51 $; Claude Sonnet 5.5 близько 106 $; GPT-5.4 близько 143 $. Локальна електрика за п’ять днів оцінюється в 7–10 € при 0,25 €/кВт·год, включно з простоєм. Це перевірка масштабу, а не твердження, що локальний ШІ завжди дешевший або що моделі рівні.
Проти базової лінії сирої моделі з тим самим бюджетом обчислень (сліпий best-of-2) середовище розробки дала +13,5 відсоткових пункти. Тривають holdout-прогони, щоб перевірити стійкість на незнайомих завданнях. Релізи, метод і бенчмарки — на GitHub.