Локальный агент Atomic Agent обогнал Hermes в тесте GAIA L1
Тут новых харнессов подвезли.
📋 AtomicBot-ai выкатили Atomic Agent (локального AI-агента на TypeScript под лицензией MIT) с фокусом на работу с локальными моделями и сразу с громкой заявкой: в тесте GAIA L1 он обошёл Hermes с точностью 69,8% против 58,5%.
Сравнение: одна и та же локальная модель qwen-3.6-35b-a3b через llama.cpp, одинаковый бюджет шагов и таймаут, разница только в самом цикле агента.
На задачу Atomic Agent тратил 217 секунд против 351 у Гермеса, а в очных сравнениях 15 задач решил только он, тогда как у Hermes только 9.
💡 Главный ход — оптимизация самого агентского цикла. Собственный форк llama.cpp под названием TurboQuant сжимает KV-кэш примерно в 6,4 раза и добавляет спекулятивное декодирование, что даёт прирост пропускной способности на 30–50 процентов на небольших моделях.
Один вызов модели возвращает один JSON-массив вызовов инструментов, а результаты шага сжимаются и попадают в контекст уже в краткой форме.
Дальше идёт лестница разрешений из пяти уровней, от параноидального L1 до полного доверия L5, плюс автоматическое переключение провайдеров при сбоях и живой каталог моделей.
Свежий релиз v0.2.1 добавил поддержку Gemini и Qwen 3.8 27B в первый же день после публикации весов.
Репозиторий набрал 1,7 тысячи звёзд и 195 форков.
💼 Для тех, кто сидит на Hermes или OpenClaw, есть команда
/import
для разовой миграции сессий, задач и ключей.
Стоит держать в уме, что тест опубликован самими разработчиками и собран всего на 53 задачах, так что выборка скромная, хотя сырые матрицы и журналы выполнения выложены для воспроизведения.
📎 Методика теста GAIA L1 · Релизы · Форк TurboQuant
С учётом объёма функционала Гермеса, странно именно в программировании с ним соревноваться, наверное стоило бы с claudecode, zcode или opencode сравниться, но уж как есть.
И еще парочка новых интересных на оценку:
waku-agent
(https://github.com/shenseanchen/waku-agent) разработчик: ShenSeanChen (Sean Chen, seanchen.io). Local-first harness для персонального агента на Python.
Структура: цикл агента (~95 строк), память (semantic/episodic/procedural) поверх одного SQLite-файла, retrieval-гейты, встроенные eval (детерминированные + LLM-as-judge), локальный web-дашборд.
Модели подключаются через адаптер провайдеров (Anthropic, OpenAI, Gemini, DeepSeek, MiniMax и др.). MIT.
Подходит для изучения устройства агентов и запуска локального ассистента без тяжёлого фреймворка.
Интересный ролик от разраба про устройство Гермеса:
https://youtu.be/LqG1q5NpOBE
prime-agent
(https://github.com/PrimeIntellect-ai/prime-agent) разработчик: Prime Intellect (PRIME-RL). Агент для кодинга и исследований на TypeScript/Python, поверх персистентного IPython-рантайма. Ключевые механизмы: RLM — контекст как переменные, субагенты как вызовы функций (rlm(...)); Continual Harness — сохраняемое состояние (промпты, память, скиллы, спеки субагентов), уточняемое командой /refine; daemon-сессии с reattach, heartbeats, расписания, автономный режим с бюджетами. MIT.
Подходит для долгих автономных задач.
Обвязок все больше и больше. Я их все потихоньку собираю тут:
https://github.com/mb-mal/awesome-ai-agents-frameworks
#AtomicAgent #агенты
------
@tsingular
Тут новых харнессов подвезли.
📋 AtomicBot-ai выкатили Atomic Agent (локального AI-агента на TypeScript под лицензией MIT) с фокусом на работу с локальными моделями и сразу с громкой заявкой: в тесте GAIA L1 он обошёл Hermes с точностью 69,8% против 58,5%.
Сравнение: одна и та же локальная модель qwen-3.6-35b-a3b через llama.cpp, одинаковый бюджет шагов и таймаут, разница только в самом цикле агента.
На задачу Atomic Agent тратил 217 секунд против 351 у Гермеса, а в очных сравнениях 15 задач решил только он, тогда как у Hermes только 9.
💡 Главный ход — оптимизация самого агентского цикла. Собственный форк llama.cpp под названием TurboQuant сжимает KV-кэш примерно в 6,4 раза и добавляет спекулятивное декодирование, что даёт прирост пропускной способности на 30–50 процентов на небольших моделях.
Один вызов модели возвращает один JSON-массив вызовов инструментов, а результаты шага сжимаются и попадают в контекст уже в краткой форме.
Дальше идёт лестница разрешений из пяти уровней, от параноидального L1 до полного доверия L5, плюс автоматическое переключение провайдеров при сбоях и живой каталог моделей.
Свежий релиз v0.2.1 добавил поддержку Gemini и Qwen 3.8 27B в первый же день после публикации весов.
Репозиторий набрал 1,7 тысячи звёзд и 195 форков.
💼 Для тех, кто сидит на Hermes или OpenClaw, есть команда
/import
для разовой миграции сессий, задач и ключей.
Стоит держать в уме, что тест опубликован самими разработчиками и собран всего на 53 задачах, так что выборка скромная, хотя сырые матрицы и журналы выполнения выложены для воспроизведения.
📎 Методика теста GAIA L1 · Релизы · Форк TurboQuant
С учётом объёма функционала Гермеса, странно именно в программировании с ним соревноваться, наверное стоило бы с claudecode, zcode или opencode сравниться, но уж как есть.
И еще парочка новых интересных на оценку:
waku-agent
(https://github.com/shenseanchen/waku-agent) разработчик: ShenSeanChen (Sean Chen, seanchen.io). Local-first harness для персонального агента на Python.
Структура: цикл агента (~95 строк), память (semantic/episodic/procedural) поверх одного SQLite-файла, retrieval-гейты, встроенные eval (детерминированные + LLM-as-judge), локальный web-дашборд.
Модели подключаются через адаптер провайдеров (Anthropic, OpenAI, Gemini, DeepSeek, MiniMax и др.). MIT.
Подходит для изучения устройства агентов и запуска локального ассистента без тяжёлого фреймворка.
Интересный ролик от разраба про устройство Гермеса:
https://youtu.be/LqG1q5NpOBE
prime-agent
(https://github.com/PrimeIntellect-ai/prime-agent) разработчик: Prime Intellect (PRIME-RL). Агент для кодинга и исследований на TypeScript/Python, поверх персистентного IPython-рантайма. Ключевые механизмы: RLM — контекст как переменные, субагенты как вызовы функций (rlm(...)); Continual Harness — сохраняемое состояние (промпты, память, скиллы, спеки субагентов), уточняемое командой /refine; daemon-сессии с reattach, heartbeats, расписания, автономный режим с бюджетами. MIT.
Подходит для долгих автономных задач.
Обвязок все больше и больше. Я их все потихоньку собираю тут:
https://github.com/mb-mal/awesome-ai-agents-frameworks
#AtomicAgent #агенты
------
@tsingular
⚡7✍5👍4❤1🆒1