Masanda hızlı yapay zekâ ile kodlama.
SWE‑bench Verified'da yaklaşık %69.

1.7.0'da ayrıca: Night Shift bir görevi birkaç kez deneyip en iyi denemeyi tutabilir (/night add --best-of N), bir makine birkaç Signal köprüsü çalıştırabilir ve bir istemci aynı ağdaki iki düğüm arasında, bildiğini kaybetmeden seçim yapar. Sürüm notları ve indirmeler.

Kurulum

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

$ ragon-admin server start      # modeli bir kez indirir (~20 GB), sonra sunar
$ cd ~/your-project && ragon    # hepsi bu

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

Önce bunları dene

Ya da bu geceye iş kuyruğa al: /night add <task>. Ragon sen uyurken kuyruğu eritir, her görev kendi git dalında olur, dalları sabah kahvesinin yanında gözden geçirirsin.

$ 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

Ne elde edersin

Ragon 1.7.0'ın masaüstü uygulaması Ask ve Work'ü tek pencerede toplar. Work, ajan oturumları için eksiksiz bir tezgâhtır: dosyalı, beceri ve komutlu bir giriş alanı, hazırlamak, geri almak ve commit etmek için bir inceleme bölmesi, worktree'ler, terminal sekmeleri ve konuşmanın yanında bir dosya ağacı ile dosya sekmeleri. Diğer bilgisayarlarında, yerel ağda bulduğu GB10'unun istemcisi olarak çalışır.

$ 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

Neden Ragon

SWE-bench Verified, tek bir DGX Spark üzerinde ölçüldü

2026-10-08'de Ragon 1.5.1'in ajanı Qwen3.8-27B ile tek bir DGX Spark üzerinde, çevrimdışı olarak 100 SWE-bench Verified görevinden 68'ini çözdü: sabit 100 görevlik bir örneklem, görev başına tek deneme, varsayılan mod. 500 görevin tamamına ölçeklendiğinde bu tahmini ≈%69 eder (%95 aralığı %63,9–73,4). Bu, kendi makinemizde ve bir alt kümede yaptığımız kendi ölçümümüzdür; bir lider tablosu girişi değildir.

Bunu bir sıralama olarak değil, denk modellerle bir karşılaştırma olarak oku. Aynı 100 görevde Ragon, kendisinden kat kat büyük modeller olan Qwen3-Coder-480B ve GLM-4.6 kadar görev çözdü; ama her satırda farklı bir ajan, farklı donanım ve lider tablosu satırlarında resmî x86 test imajları var, bizimkiler ise topluluğun arm64 imajlarında çalıştı. Refine modunda ilk oturum görevi hiçbir şeyi değiştirmeden inceler, yeni bir oturum da onu yapar: varsayılan moddan bir görev fazla çözdü (69'a karşı 68; her kol diğerinin kaybettiği görevleri kazandı), görev başına yaklaşık 2,2 kat süreyle, bu yüzden isteğe bağlı kalıyor (ragon --refine).

1. Ragon: 100 görev, her biri için tek deneme; tek DGX Spark (GB10, 128 GB), model yerelde sunuldu, bulut yok; varsayılan mod 2026-10-08'de, refine modu 2026-10-09'da ölçüldü. Tahmin, SWE-bench experiments görev başına verilerinden.
2. 500 görev, tek deneme; donanım belirtilmemiş. Kaynak: experiments, 20250805_openhands-Qwen3-Coder-480B-A35B-Instruct. Aynı model mini-SWE-agent ile: 57/100, %55,4.
3. 500 görev, tek deneme, ajan açıklanmamış; donanım belirtilmemiş. Kaynak: experiments, 20250930_zai_glm4-6.
4. 500 görev, tek deneme; donanım belirtilmemiş. Kaynak: experiments, 20260217_mini-v2.0.0_kimi-k2-5-high.
5. 500 görev, tek deneme; donanım belirtilmemiş. Kaynak: experiments, 20260217_mini-v2.0.0_deepseek-3-2-high.
6. Her biri 500 görev; donanım belirtilmemiş. Dört gönderim: 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). Daha önceki bir mini-SWE-agent çalıştırması 74/100, %74,4 aldı.
7. 500 görev, tek deneme; donanım belirtilmemiş. Kaynak: experiments, 20251120_livesweagent_gemini-3-pro-preview. Aynı model mini-SWE-agent ile: 72/100, %74,2.
8. Lider tablosundaki yayımlanmış en iyi 20–40B model. 500 görev; test anı ölçekleme görev başına iki veya daha fazla deneme kullanır; donanım belirtilmemiş. Kaynaklar: test anı ölçekleme, tek deneme.
9. 500 görev, tek deneme; donanım belirtilmemiş. Kaynak: experiments, 20251209_mini-v1.17.2_devstral-small-2512.
10. GitHub'ın kendi rakamı, Nisan 2025: “agent mode achieves a pass rate of 56.0% on SWE-bench Verified with Claude 3.7 Sonnet”. Görev sayısı, deneme sayısı ve donanım belirtilmemiş; lider tablosunda yok. Kaynak: GitHub blogu.
11. Anthropic, Claude modelleri için SWE-bench Verified sonuçlarını kendi basit iskelesinde (bir bash aracı ve bir düzenleme aracı) çalıştırarak yayımlar; Claude Code ürünü için değil. Kaynaklar: Claude Code, Anthropic'in SWE-bench yöntemi.
12. Cursor, sonuçlarını SWE-bench Verified'da değil, kendi kıyaslaması olan Cursor Bench'te yayımlar. Kaynak: Cursor blogu, Composer.

Tüm lider tablosu rakamları: swebench.com ve SWE-bench/experiments deposu; “aynı 100 görev”, her gönderimin yayımlanmış görev başına sonuçlarının Ragon'in çalıştırdığı görevlerle sınırlandırılmış halidir.

Makale

SSS