আমি আমার 16 জিবি ম্যাকে 27B কোডিং মডেল চালানোর চেষ্টা করেছিলাম, অবশ্যই এটি ব্যর্থ হয়েছিল। এটি 0.4 টোকেন প্রতি সেকেন্ডে চলছিল, প্রায় প্রতিটি টুল কলের জন্য 200 সেকেন্ড। এটা খুব খারাপ ছিল haha @darkbloomai-এর একই বেস মডেলটি প্রায় 2 সেকেন্ডে উত্তর দিয়েছিল। তাই আমি একটি পরীক্ষা চালালাম: কি Darkbloom-এর অকার্যকর ম্যাকগুলির নেটওয়ার্কের মডেলগুলি একটি বাস্তব কোডিং এজেন্টের মস্তিষ্ক হতে পারে? সেটআপ: ছয়টি Darkbloom মডেল, একটি এজেন্টের প্রয়োজনীয় ছয়টি টুল (পড়া, লিখা, সম্পাদনা, shell, grep, glob), এবং একটি স্যান্ডবক্সে বাস্তবে কোডিং টাস্কগুলি পরিচালনা, প্রতিটি ফলাফলকে কঠোরভাবে চেক করা ফলাফল: • 60/60 টুল কল পরিষ্কারভাবে পার্সড • 67/71 মাল্টি-স্টেপ টাস্ক সমাধান: একটি বাগ ঠিক করা, ফাইলগুলিতে নামকরণ, একটি চিহ্নিত AWS key-এর অবস্থান খুঁজে বের করা, SQL injection-এর patching • Qwen3.8 27B, Gemma 4 26B এবং GLM 5.3 Flash 12/12-এর পারফেক্ট স্কোর •প্রতিটি রানের মোটখরচ:প্রায় 7সেন্ট (অসাধারণভাবেসস্তা) সাধারণভাবেমনেহয়যেওপেনমডেলগুলিচ্যাট-এরজন্যঠিকআছেকিন্তুএজেন্ট-এরজন্যখুবঅস্থির।আমিশুরুকরছিআমিঅন্যভাবেভাবছি। এটা কেনগুরুত্বপূর্ণ।কোডিংএজেন্টগুলিঅসংখ্যটোকেনব্যয়করে,এবংতাদেরঅধিকাংশকাজহলপদ্ধতিগত:একটিফাইলপড়া,রিপোসন্ধানকরা,টেস্টচালানো।আমারঅনুমানহলযেএজেন্ট-এর25-40%টার্ন@darkbloomai-এচালানোযথাযথভাবেসস্তা,শুধুমাত্রকঠিনধাপগুলিকেফ্রনটিয়ারমডেলগুলিতেরখাওয়ানোহবে।যদিএটিসফলহয়তবেঅকার্যকরম্যাকগুলিরনেটওয়ার্ক-এরজন্যএইএকটিনতুনচাহিদা-শ্রেণি। পরীক্ষা 2-এএইজন্যবাস্তবট্রাফিক-এপরীক্ষা...শীঘ্রইবাইর!