Programación con IA rápida en tu escritorio.
Cerca del 69 % en SWE‑bench Verified.

También en la 1.7.0: Night Shift puede intentar una tarea varias veces y quedarse con el mejor intento (/night add --best-of N), una misma máquina puede ejecutar varios puentes de Signal, y un cliente elige entre dos nodos de una red sin perder el que ya conoce. Notas de la versión y descargas.

Instalar

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

$ ragon-admin server start      # descarga el modelo una sola vez (~20 GB) y lo pone en marcha
$ cd ~/your-project && ragon    # y ya está

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

Prueba esto primero

O deja trabajo en cola para esta noche con /night add <task>: Ragon recorre la cola mientras duermes, cada tarea en su propia rama de git, y revisas las ramas con el café.

$ 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

Qué obtienes

La app de escritorio de Ragon 1.7.0 reúne Ask y Work en una sola ventana. Work es un banco de trabajo completo para sesiones de agente: un editor con archivos, skills y comandos, un panel de revisión para preparar, revertir y confirmar cambios, worktrees, pestañas de terminal y un árbol de archivos con pestañas de archivo junto al hilo. En tus otros equipos es un cliente de tu GB10, que encuentra en la red local.

$ 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

Por qué Ragon

SWE-bench Verified, medido en un solo DGX Spark

El 2026-10-08, el agente de Ragon 1.5.1 con Qwen3.8-27B resolvió 68 de 100 tareas de SWE-bench Verified en un solo DGX Spark, sin conexión: una muestra fija de 100 tareas, un intento por tarea, modo por defecto. Extrapolado a las 500 tareas, son ≈69 % estimado (banda del 95 %: 63,9–73,4 %). Es una medición propia, en nuestra propia máquina y sobre un subconjunto, no una entrada del leaderboard.

Léelo como una referencia, no como un ranking. En las mismas 100 tareas, Ragon resolvió tantas como Qwen3-Coder-480B y GLM-4.6, modelos muchas veces más grandes, pero cada fila usa un agente distinto, un hardware distinto y, en las filas del leaderboard, las imágenes de prueba x86 oficiales, mientras que las nuestras se ejecutaron en imágenes arm64 de la comunidad. En el modo refine, una primera sesión estudia la tarea sin cambiar nada y una sesión nueva la ejecuta: resolvió una tarea más que el modo por defecto (69 frente a 68, y cada modo ganó tareas que el otro perdió), con unas 2,2 veces más tiempo por tarea, así que sigue siendo opcional (ragon --refine).

1. Ragon: 100 tareas, un intento cada una; un DGX Spark (GB10, 128 GB), modelo servido en local, sin nube; modo por defecto medido el 2026-10-08, modo refine el 2026-10-09. Estimación a partir de los datos por tarea de SWE-bench experiments.
2. 500 tareas, un intento; hardware no indicado. Fuente: experiments, 20250805_openhands-Qwen3-Coder-480B-A35B-Instruct. El mismo modelo con mini-SWE-agent: 57/100, 55,4 %.
3. 500 tareas, un intento, agente no divulgado; hardware no indicado. Fuente: experiments, 20250930_zai_glm4-6.
4. 500 tareas, un intento; hardware no indicado. Fuente: experiments, 20260217_mini-v2.0.0_kimi-k2-5-high.
5. 500 tareas, un intento; hardware no indicado. Fuente: experiments, 20260217_mini-v2.0.0_deepseek-3-2-high.
6. 500 tareas cada una; hardware no indicado. Cuatro propuestas: 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 %). Una ejecución anterior de mini-SWE-agent obtuvo 74/100, 74,4 %.
7. 500 tareas, un intento; hardware no indicado. Fuente: experiments, 20251120_livesweagent_gemini-3-pro-preview. El mismo modelo con mini-SWE-agent: 72/100, 74,2 %.
8. El mejor modelo publicado de 20–40B en el leaderboard. 500 tareas; el escalado en tiempo de prueba usa dos o más intentos por tarea; hardware no indicado. Fuentes: escalado en tiempo de prueba, un solo intento.
9. 500 tareas, un intento; hardware no indicado. Fuente: experiments, 20251209_mini-v1.17.2_devstral-small-2512.
10. Cifra del propio GitHub, abril de 2025: «agent mode achieves a pass rate of 56.0% on SWE-bench Verified with Claude 3.7 Sonnet». Número de tareas, intentos y hardware no indicados; no figura en el leaderboard. Fuente: blog de GitHub.
11. Anthropic publica SWE-bench Verified para sus modelos Claude, ejecutado en un andamiaje sencillo propio (una herramienta bash y una de edición), no para el producto Claude Code. Fuentes: Claude Code, método de Anthropic para SWE-bench.
12. Cursor publica resultados en su propio benchmark, Cursor Bench, no en SWE-bench Verified. Fuente: blog de Cursor, Composer.

Todas las cifras del leaderboard: swebench.com y el repositorio SWE-bench/experiments; «las mismas 100 tareas» son los resultados por tarea publicados de cada propuesta, restringidos a las tareas que ejecutó Ragon.

Paper

FAQ