Gedeelde werkmap tilt Qwen-harness op; C++26 haalt ballotdrempel niet

Een nieuwe harness laat vijf instanties van een open Qwen3.8-27B-model via een gedeelde werkmap aan codeproblemen werken en rapporteert een forse sprong op één benchmark. De opzet is interessant, maar geen bewijs dat een lokaal multi-agentsysteem al gelijkwaardig is aan frontiermodellen op echt repositorywerk. Intussen heeft C++26 volgens een gepubliceerde uitslag de ballotdrempels niet gehaald, terwijl Cerebras uitlegt hoe het een model van circa drie biljoen parameters over 59 wafers wil verdelen.

Vijf Qwen-instanties delen plan en werkmap voor codeertaken

GVS5H beschrijft een trainingvrije orchestrator waarin verse instanties van hetzelfde model rollen verdelen en via bestanden als plan, notities en een actuele oplossing samenwerken. De makers melden dat hun lokaal geserveerde Qwen3.8-27B op 100 recente moeilijke LiveCodeBench-opgaven van 66,8% naar 92,4% pass@1 gaat. Voor een andere configuratie claimen ze 93,0%, tegenover 90,4% voor Fable 5, met 9% van de kosten.

Dat maakt vooral het harness-idee interessant: verdeel analyse, uitvoering en verificatie niet noodzakelijk over verschillende modellen, maar zorg dat onafhankelijke contexten hun tussenresultaten expliciet vastleggen. De eigen paper schrijft de winst toe aan decompositie en een persistente gedeelde context; tegelijk waren sommige geteste modellen onveranderd of slechter. Dit is dus geen algemene regel dat meer agents betere code leveren.

De vergelijking is nog fragiel. Zij gebruikt slechts honderd problemen uit LiveCodeBench, en in de HN-discussie wordt erop gewezen dat de gebruikte set uit 2023–april 2025 stamt, waardoor contaminatie niet uit te sluiten is. Er is ook geen vergelijking met actuelere modellen of een benchmark die langdurig agentwerk in een echte codebase meet. Wie dit patroon wil overnemen, kan daarom beter eerst op eigen issues toetsen: meet niet alleen pass@1, maar ook totale looptijd, kosten, conflicterende wijzigingen en hoeveel menselijke review de gedeelde artefacten vragen.

Project, paper en reproduceerbare harness · HN-discussie met kanttekeningen

C++26 haalt volgens gepubliceerde uitslag de vereiste ballotdrempels niet

Robert Seacord meldt dat de ballot voor C++26 is afgekeurd. De gepubliceerde uitslag noemt 12 positieve stemmen van 20 stemmende P-members (60%, waar minstens twee derde vereist zou zijn) en 9 negatieve stemmen van 22 nationale leden (41%, waar hoogstens 25% negatief mag zijn).

Dat is een concreet signaal voor teams die op de volgende C++-standaard plannen: reken voorlopig niet alsof de voorgestelde inhoud al als ISO-standaard is vastgesteld. De Lobsters-discussie koppelt de onenigheid onder meer aan contracts, maar de beschikbare informatie specificeert geen formele, volledige redengeving of een definitief vervolgpad. Ook is onduidelijk welke voorstellen uiteindelijk wijzigen, verdwijnen of in een volgende ronde terugkomen.

De praktische keuze is daarom conservatief: baseer toolchain- of taalroadmaps op functies die al in gebruikte compilers en libraries beschikbaar zijn, en houd conceptstandaarden gescheiden van stabiele portability-eisen. Volg voor een migratiebesluit de officiële standaardisatiecommunicatie en implementatiestatus, niet alleen deze ballotmelding.

De gepubliceerde ballotuitslag · Lobsters-discussie

Cerebras schetst pijplijn met 59 wafers voor Kimi K3

Cerebras legt uit hoe het het open Kimi K3-model van circa drie biljoen parameters als illustratief voorbeeld over 59 WSE-3T-wafers zou plaatsen. De berekening gaat uit van 4-bit-gewichten, een gemiddelde requestlengte van 256K tokens en een 8-bit-KV-cache. Iedere wafer heeft volgens Cerebras 44 GB on-chip geheugen: een dense laag krijgt een eigen wafer met resterende ruimte voor KV-cache; twee linear-attentionlagen passen samen op één wafer.

Het kernidee is pipeline-parallelisme. Gewichten blijven per laag op een wafer staan; alleen activaties gaan per RDMA-over-Ethernet naar de volgende stap. Meerdere requests vullen de pijplijn tegelijk, en microbatches ruilen latency tegen totale throughput. Cerebras positioneert dit als route naar 1.000–2.000+ tokens per seconde voor multi-trillion-parametermodellen.

Dit is een leveranciersuitleg, geen onafhankelijke prestatiemeting of openbaar capaciteitsaanbod. Juist de operationele vragen blijven open: een HN-reactie wijst erop dat een end-to-end-pijplijn mogelijk een groot storingsdomein vormt, omdat een defecte wafer een modelketen kan onderbreken. Kosten, failover, onderhoud en werkelijke energie-efficiëntie staan evenmin in deze uitleg. Toch maakt het stuk helder waarom modellen met veel linear attention een andere geheugen- en servingbalans kunnen krijgen dan uitsluitend full-attentionmodellen.

Cerebras over de modelmapping en pijplijn · HN-discussie

Goose wil memory safety zonder heap, GC of lifetimeannotaties

De nieuwe programmeertaal Goose kiest een ongewoon geheugenmodel: dynamische waarden staan inline op door de compiler beheerde datastacks. Groei schuift daar een pointer op; aan het eind van de scope komt de stackruimte vrij. De taal wil zo zonder heapallocator, garbage collector of zichtbare lifetimeannotaties veilige referenties bieden, ook wanneer een array groeit.

Dat is interessant voor systemen waar compacte, vlakke datastructuren en voorspelbare allocatie belangrijker zijn dan een algemeen heapmodel. Goose compileert naar één C-bestand, kan C via extern fn aanroepen en gebruikt onder meer relatieve, getypeerde offsets voor position-independent datastructuren. De projectdocumentatie belooft ook validatie bij het teruglezen van zulke bytebeelden.

De grote prestatieclaims vragen nadrukkelijk om eigen verificatie. Goose meldt zelf gemiddeld 3,3× de snelheid van idiomatisch C++, 1,16× die van geoptimaliseerd C++ en 1,12× die van ‘best safe Rust’ op zestien benchmarks, met minder geheugen. Dat zijn projectbenchmarks, geen onafhankelijke vergelijking; de taal compileert bovendien naar C, zodat compilerketen en gegenereerde uitvoer onderdeel blijven van de veiligheids- en performanceclaim. De meest nuchtere eerste proef is daarom een klein, data-intensief onderdeel met eigen correctness-tests, sanitizer-runs op de C-output en een representatieve geheugenmeting.

Goose: taal, geheugenmodel en eigen benchmarks · HN-discussie

Verder nog

• SpeedCrunch 1.1: de open-source wetenschappelijke rekenmachine is beschikbaar voor Windows, macOS en Linux en biedt onder meer 50 cijfers precisie, complexe getallen, matrix- en vectorbewerkingen en meerdere sessies. Een HN-gebruiker meldt echter merkbare invoervertraging na de upgrade; dat is een individuele ervaring, geen bevestigd algemeen probleem. Wie de calculator dagelijks gebruikt, kan 1.1 dus beter eerst naast de oude versie proberen. Projectpagina · HN-discussie