Schnelles KI-Coding auf deinem Schreibtisch.
Rund 69 % auf SWE‑bench Verified.

Ebenfalls in 1.7.0: Night Shift kann eine Aufgabe mehrmals versuchen und den besten Versuch behalten (/night add --best-of N), eine Maschine kann mehrere Signal-Bridges betreiben, und ein Client wählt zwischen zwei Nodes im selben Netzwerk, ohne den ihm bekannten zu verlieren. Release Notes und Downloads.

Installation

$ curl -fsSL https://github.com/dreamference/ragon/releases/latest/download/install.sh | bash

$ ragon-admin server start      # lädt das Modell einmalig herunter (~20 GB) und stellt es bereit
$ cd ~/your-project && ragon    # das war's

> irm https://github.com/dreamference/ragon/releases/latest/download/install.ps1 | iex

Probier zuerst diese

Oder stell Arbeit für heute Nacht in die Warteschlange mit /night add <task>: Ragon arbeitet die Warteschlange ab, während du schläfst, jede Aufgabe auf einem eigenen Git-Branch, und du prüfst die Branches bei einem Kaffee.

$ ragon "explain this repository to me like I'm new on the team"
# reads the code index (ragon-code outline, def, refs, callers) instead of grepping,
# then walks you through the layout, the entry points and how they connect

$ ragon "the tests are failing: find out why and fix them"
# runs the tests, reads the failure, edits the code and runs the tests again,
# asking before anything risky

> /night add --best-of 3 add input validation to the signup form, with tests
# tonight: three attempts, each in its own git worktree; the one the chooser picks
# is committed on its own branch, and nothing is merged or pushed
$ ragon-admin night status      # the timer, the window and the queue
> /night apply <id>            # in the morning: bring the branch back as uncommitted changes

Was du bekommst

Die Desktop-App von Ragon 1.7.0 vereint Ask und Work in einem Fenster. Work ist eine vollständige Werkbank für Agentensitzungen: ein Eingabefeld mit Dateien, Skills und Befehlen, ein Review-Bereich zum Stagen, Zurücksetzen und Committen, Worktrees, Terminal-Tabs sowie Dateibaum und Datei-Tabs neben dem Thread. Auf deinen anderen Rechnern ist sie ein Client deines GB10, den sie im lokalen Netzwerk findet.

$ ragon worktree on   # new sessions start in their own worktree
$ cd ~/your-project && ragon
> /airgapped on      # no network for any command it runs
> /worktree apply    # bring the changes back to your checkout

$ sudo apt install ./ragon_1.7.0_arm64.deb

$ ragon-admin mcp            # stdio MCP for JetBrains and VS Code
$ ragon signal setup         # Note to Self only, off until linked
$ ragon chat telegram setup  # topics and the Mini App

Warum Ragon

SWE-bench Verified, gemessen auf einem DGX Spark

Am 2026-10-08 löste der Agent von Ragon 1.5.1 mit Qwen3.8-27B 68 von 100 SWE-bench-Verified-Aufgaben auf einem DGX Spark, offline: eine feste Stichprobe von 100 Aufgaben, ein Versuch pro Aufgabe, Standardmodus. Hochgerechnet auf alle 500 Aufgaben sind das geschätzt ≈69 % (95-%-Band 63,9–73,4 %). Das ist unsere eigene Messung, auf unserer eigenen Maschine und an einer Teilmenge, kein Leaderboard-Eintrag.

Versteh das als Einordnung, nicht als Rangliste. Auf denselben 100 Aufgaben löste Ragon so viele wie Qwen3-Coder-480B und GLM-4.6, Modelle, die um ein Vielfaches größer sind. Aber jede Zeile nutzt einen anderen Agenten, andere Hardware und, bei den Leaderboard-Zeilen, die offiziellen x86-Testimages, während unsere auf Community-arm64-Images liefen. Im Refine-Modus untersucht eine erste Sitzung die Aufgabe, ohne etwas zu ändern, und eine frische Sitzung setzt sie um: Er löste eine Aufgabe mehr als der Standardmodus (69 gegen 68, wobei jede Variante Aufgaben gewann, die die andere verlor), bei etwa dem 2,2-Fachen der Zeit pro Aufgabe, und bleibt deshalb optional (ragon --refine).

1. Ragon: 100 Aufgaben, je ein Versuch; ein DGX Spark (GB10, 128 GB), Modell lokal bereitgestellt, keine Cloud; Standardmodus gemessen am 2026-10-08, Refine-Modus am 2026-10-09. Schätzung aus den Daten pro Aufgabe von SWE-bench experiments.
2. 500 Aufgaben, ein Versuch; Hardware nicht angegeben. Quelle: experiments, 20250805_openhands-Qwen3-Coder-480B-A35B-Instruct. Dasselbe Modell mit mini-SWE-agent: 57/100, 55,4 %.
3. 500 Aufgaben, ein Versuch, Agent nicht offengelegt; Hardware nicht angegeben. Quelle: experiments, 20250930_zai_glm4-6.
4. 500 Aufgaben, ein Versuch; Hardware nicht angegeben. Quelle: experiments, 20260217_mini-v2.0.0_kimi-k2-5-high.
5. 500 Aufgaben, ein Versuch; Hardware nicht angegeben. Quelle: experiments, 20260217_mini-v2.0.0_deepseek-3-2-high.
6. Je 500 Aufgaben; Hardware nicht angegeben. Vier Einreichungen: OpenHands (80/100, 77,6 %), live-SWE-agent (80/100, 79,2 %), Sonar Foundation Agent (77/100, 79,2 %), mini-SWE-agent, high (79/100, 76,8 %). Ein früherer mini-SWE-agent-Lauf erreichte 74/100, 74,4 %.
7. 500 Aufgaben, ein Versuch; Hardware nicht angegeben. Quelle: experiments, 20251120_livesweagent_gemini-3-pro-preview. Dasselbe Modell mit mini-SWE-agent: 72/100, 74,2 %.
8. Das beste veröffentlichte 20–40B-Modell auf dem Leaderboard. 500 Aufgaben; Test-Time-Scaling nutzt zwei oder mehr Versuche pro Aufgabe; Hardware nicht angegeben. Quellen: Test-Time-Scaling, ein Versuch.
9. 500 Aufgaben, ein Versuch; Hardware nicht angegeben. Quelle: experiments, 20251209_mini-v1.17.2_devstral-small-2512.
10. Die eigene Zahl von GitHub, April 2025: „agent mode achieves a pass rate of 56.0% on SWE-bench Verified with Claude 3.7 Sonnet“. Zahl der Aufgaben, Versuche und Hardware nicht angegeben; nicht auf dem Leaderboard. Quelle: GitHub-Blog.
11. Anthropic veröffentlicht SWE-bench Verified für seine Claude-Modelle, ausgeführt in einem eigenen einfachen Gerüst (einem Bash-Tool und einem Edit-Tool), nicht für das Produkt Claude Code. Quellen: Claude Code, Anthropics SWE-bench-Methode.
12. Cursor veröffentlicht Ergebnisse auf seinem eigenen Benchmark, Cursor Bench, nicht auf SWE-bench Verified. Quelle: Cursor-Blog, Composer.

Alle Leaderboard-Zahlen: swebench.com und das Repository SWE-bench/experiments; „dieselben 100 Aufgaben“ sind die veröffentlichten Ergebnisse pro Aufgabe jeder Einreichung, beschränkt auf die Aufgaben, die Ragon ausgeführt hat.

Paper

FAQ