आपकी डेस्क पर तेज़ AI कोडिंग।
SWE‑bench Verified पर लगभग 69%।

1.7.0 में यह भी: Night Shift किसी टास्क को कई बार आज़माकर सबसे अच्छा प्रयास रख सकता है (/night add --best-of N), एक मशीन कई Signal ब्रिज चला सकती है, और क्लाइंट एक ही नेटवर्क के दो नोड में से चुन सकता है, बिना उस नोड को खोए जिसे वह पहले से जानता है। रिलीज़ नोट्स और डाउनलोड।

इंस्टॉल

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

$ ragon-admin server start      # मॉडल एक बार डाउनलोड होता है (~20 GB), फिर चालू हो जाता है
$ cd ~/your-project && ragon    # बस, इतना ही

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

पहले ये आज़माएँ

या आज रात के लिए काम कतार में लगाएँ: /night add <task>। आपके सोते समय Ragon कतार निपटाता है, हर टास्क अपनी git ब्रांच पर, और सुबह चाय पर आप ब्रांच देख लेते हैं।

$ 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

आपको क्या मिलता है

Ragon 1.7.0 का डेस्कटॉप ऐप Ask और Work को एक ही विंडो में रखता है। Work एजेंट सेशनों के लिए पूरा वर्कबेंच है: फ़ाइलों, स्किल और कमांड वाला कम्पोज़र, स्टेज, रिवर्ट और कमिट करने के लिए रिव्यू पेन, वर्कट्री, टर्मिनल टैब, और थ्रेड के साथ फ़ाइल ट्री और फ़ाइल टैब। आपके दूसरे कंप्यूटरों पर यह आपके GB10 का क्लाइंट है, जिसे वह लोकल नेटवर्क पर ढूँढ लेता है।

$ 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

Ragon क्यों

SWE-bench Verified, एक DGX Spark पर मापा गया

2026-10-08 को Ragon 1.5.1 के एजेंट ने Qwen3.8-27B के साथ एक DGX Spark पर, ऑफ़लाइन, SWE-bench Verified के 100 में से 68 टास्क हल किए: 100 टास्क का एक तय नमूना, हर टास्क पर एक प्रयास, डिफ़ॉल्ट मोड। सभी 500 टास्क पर स्केल करने पर यह अनुमानित ≈69% है (95% दायरा 63.9–73.4%)। यह हमारी अपनी मशीन पर, एक उपसमूह पर, हमारा अपना माप है, लीडरबोर्ड की एंट्री नहीं।

इसे समकक्ष मॉडलों की तुलना समझें, रैंकिंग नहीं। उन्हीं 100 टास्क पर Ragon ने Qwen3-Coder-480B और GLM-4.6 जितने टास्क हल किए, जो अपने से कई गुना बड़े मॉडल हैं, लेकिन हर पंक्ति में अलग एजेंट और अलग हार्डवेयर है, और लीडरबोर्ड वाली पंक्तियों में आधिकारिक x86 टेस्ट इमेज हैं, जबकि हमारा रन कम्युनिटी arm64 इमेज पर हुआ। refine मोड में पहला सेशन बिना कुछ बदले टास्क को समझता है और एक नया सेशन उसे करता है: इसने डिफ़ॉल्ट से एक टास्क ज़्यादा हल किया (68 के मुकाबले 69, दोनों मोड ने कुछ ऐसे टास्क जीते जो दूसरा हार गया), प्रति टास्क करीब 2.2 गुना समय में, इसलिए यह ऑप्ट-इन ही है (ragon --refine)।

1. Ragon: 100 टास्क, हर एक पर एक प्रयास; एक DGX Spark (GB10, 128 GB), मॉडल लोकल सर्व किया गया, कोई क्लाउड नहीं; डिफ़ॉल्ट मोड 2026-10-08 को मापा गया, refine मोड 2026-10-09 को। अनुमान SWE-bench experiments के प्रति-टास्क डेटा से।
2. 500 टास्क, एक प्रयास; हार्डवेयर नहीं बताया गया। स्रोत: experiments, 20250805_openhands-Qwen3-Coder-480B-A35B-Instruct। यही मॉडल mini-SWE-agent के साथ: 57/100, 55.4%।
3. 500 टास्क, एक प्रयास, एजेंट का खुलासा नहीं; हार्डवेयर नहीं बताया गया। स्रोत: experiments, 20250930_zai_glm4-6।
4. 500 टास्क, एक प्रयास; हार्डवेयर नहीं बताया गया। स्रोत: experiments, 20260217_mini-v2.0.0_kimi-k2-5-high।
5. 500 टास्क, एक प्रयास; हार्डवेयर नहीं बताया गया। स्रोत: experiments, 20260217_mini-v2.0.0_deepseek-3-2-high।
6. हर एक में 500 टास्क; हार्डवेयर नहीं बताया गया। चार सबमिशन: 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%)। इससे पहले का एक mini-SWE-agent रन 74/100, 74.4% रहा।
7. 500 टास्क, एक प्रयास; हार्डवेयर नहीं बताया गया। स्रोत: experiments, 20251120_livesweagent_gemini-3-pro-preview। यही मॉडल mini-SWE-agent के साथ: 72/100, 74.2%।
8. लीडरबोर्ड पर प्रकाशित सबसे अच्छा 20–40B मॉडल। 500 टास्क; test-time scaling में हर टास्क पर दो या ज़्यादा प्रयास होते हैं; हार्डवेयर नहीं बताया गया। स्रोत: test-time scaling, एक प्रयास।
9. 500 टास्क, एक प्रयास; हार्डवेयर नहीं बताया गया। स्रोत: experiments, 20251209_mini-v1.17.2_devstral-small-2512।
10. GitHub का अपना आँकड़ा, अप्रैल 2025: "agent mode achieves a pass rate of 56.0% on SWE-bench Verified with Claude 3.7 Sonnet"। टास्क की संख्या, प्रयास और हार्डवेयर नहीं बताए गए; लीडरबोर्ड पर नहीं। स्रोत: GitHub ब्लॉग।
11. Anthropic अपने Claude मॉडलों के लिए SWE-bench Verified प्रकाशित करता है, जो उसके अपने सरल स्कैफ़ोल्ड (एक bash टूल और एक एडिट टूल) में चलाया गया है, Claude Code उत्पाद के लिए नहीं। स्रोत: Claude Code, Anthropic की SWE-bench पद्धति।
12. Cursor अपने ही बेंचमार्क Cursor Bench पर नतीजे प्रकाशित करता है, SWE-bench Verified पर नहीं। स्रोत: Cursor ब्लॉग, Composer।

लीडरबोर्ड के सारे आँकड़े: swebench.com और SWE-bench/experiments रिपॉज़िटरी; "वही 100 टास्क" का मतलब है हर सबमिशन के प्रकाशित प्रति-टास्क नतीजे, सिर्फ़ उन टास्क तक सीमित जो Ragon ने चलाए।

पेपर

FAQ