Corepass Models
Du raisonnement approfondi pour l’ingénierie complexe au développement quotidien et aux tâches ciblées, nous explorons des modèles complémentaires qui rapprochent capacité et efficacité du travail réel.
Modèles
Chaque tâche demande sa propre profondeur de raisonnement, son temps de réponse et son budget. Notre programme de modèles explore un raisonnement phare pour le travail difficile, une capacité équilibrée pour le développement quotidien et des spécialistes pour les tâches ciblées.
Raisonnement phare
Une orientation de raisonnement phare pour l’ingénierie complexe et les tâches de longue durée, qui explore une analyse plus poussée, des décisions cohérentes et la vérification sous de multiples contraintes.
Capacité équilibrée
Une orientation principale de code et de raisonnement pour le développement quotidien, les tests et le débogage, qui cherche l’équilibre entre qualité, vitesse et coût.
Spécialistes légers
Scout est une famille de modèles spécialisés pour des étapes bien définies et vérifiables des workflows d’agents. Ses axes de recherche incluent la recherche de code et les sous-tâches de programmation, avec un accent sur la collaboration efficace entre les spécialistes et l’agent principal.
Les API de modèles ne sont pas encore ouvertes au public. Les spécifications et les tarifs seront communiqués à mesure que les services seront prêts.
Point d’avancement
Suivez chaque orientation de modèle à travers ses objectifs d’étape, ses travaux en cours, ses avancées et les prochaines questions à tester.
Raisonnement phare
Capacité équilibrée
Spécialistes légers
Scout en pratique
Un exemple concret issu du programme de modèles : le premier modèle d’exploration de code de Scout accompagne le travail dans Remy. L’évaluation publiée ci-dessous mesure la recherche de code et le temps par tâche.
Scout · Premier modèle
Un modèle 4B qui trouve le code à modifier.
Scout prend en charge l’étape de recherche, pour que l’agent principal parte des bons fichiers et des bonnes plages de lignes.
Fonctionnement
Évaluation de la recherche de code
Comparé à son modèle de base avant l’entraînement par RL, sur 848 tâches de code.
2.3×
plus précis en recherche
29%
plus rapide par tâche
Recherche RSI
L’auto-amélioration récursive (RSI) est notre axe de recherche à long terme : une IA qui aide à concevoir et à évaluer des expériences, et qui améliore les modèles et les systèmes d’agents pour mieux soutenir le cycle de recherche suivant.