HitonabiandClaude Opus 5
6e573d5551
Bis heute stand fast als Standard mit der Begruendung, es schlage den coder in
Tempo UND Qualitaet. Das Tempo war gemessen, die Qualitaet nie ('keine
agentische Messung', Notiz vom 20.08.). Qwens Zahlen sagen das Gegenteil:
einzelschuss gleichauf (SWE-bench 73,4), agentisch zieht Qwen3.8-27B davon
(Terminal-Bench 73,0, DeepSWE 42,2 gegen 13,3, OSWorld 84,3).
Preis gemessen: gleiche Aufgabe 24,3 s mit fast, 89,3 s mit coder.
Aufteilung jetzt: coder baut, heavy plant, das warme hermes erkundet.
Konfiguration ausserdem ins Repo geholt - sie lag nur an einer Stelle.
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
2.3 KiB
OpenCode-Konfiguration des PCs
Hier liegt die Quelle. %USERPROFILE%\.config\opencode\ ist die Kopie.
Am 21.08.2026 habe ich die dortige opencode.json ueberschrieben, ohne sie
vorher zu lesen — sie existierte nur an dieser einen Stelle, ohne Sicherung und
ohne Historie. Rekonstruiert aus einer Juli-Sicherung. Damit das nicht nochmal
passiert, liegt sie jetzt hier.
Copy-Item "deploy\opencode-config\*" "$env:USERPROFILE\.config\opencode\" -Force
Modellwahl (Stand 22.08.2026)
| Rolle | Modell | warum |
|---|---|---|
| build | aibox/coder — Qwen3.8-27B (dicht) |
macht die eigentliche Arbeit |
| plan | aibox/heavy — gpt-oss-120b |
denkt vor, aendert nichts |
| explore | aibox/hermes — Qwen3.6-35B-A3B |
liest und sucht, immer warm |
small_model |
aibox/hermes |
Titel, Zusammenfassungen |
★★ Korrektur einer falschen Empfehlung. Bis zum 22.08. stand hier fast
(Qwen3.6-35B-A3B, MoE) als Standard, mit der Begruendung, es schlage den coder
„in Tempo und Qualitaet". Das Tempo war gemessen, die Qualitaet nie — in der
Notiz vom 20.08. steht fuer den Coder woertlich „keine agentische Messung".
Die veroeffentlichten Zahlen sagen etwas anderes:
fast (3.6-35B-A3B) |
coder (3.8-27B) |
|
|---|---|---|
| SWE-bench Verified | ~73,4 | 73,4 |
| Terminal-Bench 2.1 | — | 73,0 |
| DeepSWE 1.1 | — | 42,2 (Vorgaenger 3.6-27B: 13,3) |
| OSWorld-Verified | — | 84,3 |
Einzelschuss gleichauf, agentisch ueber viele Schritte zieht der Coder davon — und genau das ist der Betrieb hier. Alle Zahlen stammen von Qwen selbst, teils aus eigenen Benchmark-Fassungen; sie sind ein Indiz, kein Beweis.
Der Preis, gemessen: dieselbe Leseaufgabe brauchte mit fast 24,3 s,
mit coder 89,3 s — 3,7× laenger in der Wanduhr. Der Coder ist dicht und
bandbreitenlimitiert (17 GB / 215 GB/s ≈ 12,6 t/s, Hardware-Grenze, kein
Konfigfehler). Er hat ausserdem ttl=5400, faellt also nach 90 Minuten aus dem
Speicher und muss neu laden.
Was noch aussteht: der echte Vergleich an einer echten Aufgabe.
F:\Coding Stuff\mc2-referenz liegt genau dafuer bereit — 17 Dateien, davon 5
erledigt, mit objektivem Pruefbefehl docs/aufgaben/referenz-check.sh.
Erst dieser Lauf entscheidet die Frage; bis dahin ist die Modellwahl begruendet,
aber nicht bewiesen.