Lập trình AI nhanh ngay trên bàn làm việc.
Khoảng 69% trên SWE‑bench Verified.

Cũng trong 1.7.0: Night Shift có thể thử một tác vụ nhiều lần và giữ lại lần làm tốt nhất (/night add --best-of N), một máy có thể chạy nhiều cầu nối Signal, và máy khách có thể chọn giữa hai node trên cùng một mạng mà không đánh mất node nó đã biết. Ghi chú phát hành và tải về.

Cài đặt

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

$ ragon-admin server start      # tải mô hình một lần (~20 GB), rồi bắt đầu phục vụ
$ cd ~/your-project && ragon    # xong rồi đấy

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

Hãy thử những việc này trước

Hoặc xếp việc vào hàng đợi cho tối nay bằng /night add <task>: Ragon làm lần lượt từng việc trong lúc bạn ngủ, mỗi tác vụ trên một nhánh git riêng, và bạn duyệt các nhánh đó bên tách cà phê.

$ 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

Bạn nhận được gì

Ứng dụng desktop của Ragon 1.7.0 gộp Ask và Work trong một cửa sổ. Work là bàn làm việc đầy đủ cho các phiên tác tử: ô soạn với tệp, kỹ năng và lệnh, khung xem xét để stage, hoàn tác và commit, worktree, các tab terminal, cùng cây tệp và tab tệp bên cạnh luồng hội thoại. Trên các máy khác của bạn, nó là máy khách của GB10 và tự tìm thấy GB10 trên mạng cục bộ.

$ 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

Vì sao chọn Ragon

SWE-bench Verified, đo trên một DGX Spark

Ngày 2026-10-08, tác tử của Ragon 1.5.1 cùng Qwen3.8-27B đã giải 68 trong 100 tác vụ SWE-bench Verified trên một DGX Spark, ngoại tuyến: một mẫu cố định gồm 100 tác vụ, mỗi tác vụ một lần thử, chế độ mặc định. Quy ra toàn bộ 500 tác vụ, đó là ước tính ≈69% (khoảng tin cậy 95%: 63,9–73,4%). Đây là phép đo của chính chúng tôi, trên máy của chúng tôi và trên một tập con, không phải mục trên bảng xếp hạng.

Hãy đọc đây như một phép so sánh để tham khảo, không phải bảng xếp hạng. Trên cùng 100 tác vụ, Ragon giải được bằng Qwen3-Coder-480B và GLM-4.6, những mô hình lớn hơn nó nhiều lần, nhưng mỗi dòng dùng một tác tử khác, phần cứng khác và, với các dòng trên bảng xếp hạng, là các image kiểm thử x86 chính thức, còn chúng tôi chạy trên image arm64 của cộng đồng. Ở chế độ refine, một phiên đầu tiên nghiên cứu tác vụ mà không thay đổi gì, rồi một phiên mới thực hiện: nó giải hơn chế độ mặc định một tác vụ (69 so với 68, mỗi nhánh thắng những tác vụ nhánh kia thua), với thời gian mỗi tác vụ gấp khoảng 2,2 lần, nên nó vẫn là tùy chọn bật thêm (ragon --refine).

1. Ragon: 100 tác vụ, mỗi tác vụ một lần thử; một DGX Spark (GB10, 128 GB), mô hình chạy cục bộ, không đám mây; chế độ mặc định đo ngày 2026-10-08, chế độ refine ngày 2026-10-09. Ước tính từ dữ liệu theo từng tác vụ của SWE-bench experiments.
2. 500 tác vụ, một lần thử; không nêu phần cứng. Nguồn: experiments, 20250805_openhands-Qwen3-Coder-480B-A35B-Instruct. Cùng mô hình với mini-SWE-agent: 57/100, 55,4%.
3. 500 tác vụ, một lần thử, tác tử không được công bố; không nêu phần cứng. Nguồn: experiments, 20250930_zai_glm4-6.
4. 500 tác vụ, một lần thử; không nêu phần cứng. Nguồn: experiments, 20260217_mini-v2.0.0_kimi-k2-5-high.
5. 500 tác vụ, một lần thử; không nêu phần cứng. Nguồn: experiments, 20260217_mini-v2.0.0_deepseek-3-2-high.
6. Mỗi bài 500 tác vụ; không nêu phần cứng. Bốn bài nộp: 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%). Một lần chạy mini-SWE-agent trước đó đạt 74/100, 74,4%.
7. 500 tác vụ, một lần thử; không nêu phần cứng. Nguồn: experiments, 20251120_livesweagent_gemini-3-pro-preview. Cùng mô hình với mini-SWE-agent: 72/100, 74,2%.
8. Mô hình 20–40 tỷ tham số có kết quả công bố tốt nhất trên bảng xếp hạng. 500 tác vụ; mở rộng khi kiểm thử dùng từ hai lần thử trở lên cho mỗi tác vụ; không nêu phần cứng. Nguồn: mở rộng khi kiểm thử, một lần thử.
9. 500 tác vụ, một lần thử; không nêu phần cứng. Nguồn: experiments, 20251209_mini-v1.17.2_devstral-small-2512.
10. Số liệu do chính GitHub công bố, tháng 4 năm 2025: "agent mode achieves a pass rate of 56.0% on SWE-bench Verified with Claude 3.7 Sonnet". Không nêu số tác vụ, số lần thử và phần cứng; không có trên bảng xếp hạng. Nguồn: blog GitHub.
11. Anthropic công bố SWE-bench Verified cho các mô hình Claude của mình, chạy trong một khung đơn giản do họ tự dựng (một công cụ bash và một công cụ chỉnh sửa), chứ không phải cho sản phẩm Claude Code. Nguồn: Claude Code, phương pháp SWE-bench của Anthropic.
12. Cursor công bố kết quả trên bộ đánh giá riêng của họ, Cursor Bench, không phải SWE-bench Verified. Nguồn: blog Cursor, Composer.

Mọi số liệu bảng xếp hạng: swebench.com và kho SWE-bench/experiments; "cùng 100 tác vụ" là kết quả theo từng tác vụ mà mỗi bài nộp đã công bố, giới hạn trong các tác vụ Ragon đã chạy.

Bài báo

Hỏi đáp