A Replit Agent maga dönti el, mikor és melyik modellt használja
A Replit Agent új vezérlési rendszere a fő modellre bízza, mennyire gondolja végig a feladatot, mikor delegál részfeladatot, és melyik almodellt választja hozzá. A Replit szerint ez a megközelítés a GPT-6 Astra használatával két szoftveres teszten is kedvezőbb pontszám és költség arányát adta.
- A Replit Agent fő modellje menet közben választja ki a részfeladatok méretét és erőfeszítési szintjét.
- A rendszer szakértő alügynököket indíthat, majd visszatérhet a korábban eligazított munkatársakhoz.
- A GPT-6 Astra a Replit éles adatai szerint gyakrabban delegál általános munkatársaknak.
- A Replit Agent 72 százalékot ért el a DeepSWE v1.1 teszten és 49 százalékot a Terminal-Bench 4.0-n.
- A Replit szerint a rendszer mindkét benchmarkon megelőzte az egyetlen hosszú életű munkatársra épülő architektúrát.
A modell dönt a delegálásról
A Replit szeptember 29-i bejelentése szerint a hagyományos modellútválasztók (model router) alapvető korláttal működnek: a döntést hozó útválasztó szükségszerűen kevésbé képes annál a modellnél, amelyből választ. A Replit Agent ehelyett a fő modellre, vagyis a magciklusra bízza a döntést.
A magciklus menet közben választja ki a részfeladatokhoz szükséges modellkategóriát és gondolkodási erőfeszítést, majd a feladat alakulása alapján saját beállításait is módosíthatja. Egy egyszerű átnevezés például kis méretű, alacsony erőfeszítéssel futó almodellhez kerülhet, míg egy nehezen megfejthető hiba lehetséges okainak feltárásához nagyobb modellt és magasabb erőfeszítést választhat.
A rendszer nem kényszeríti ki részfeladatok indítását. Egy kis feladat egyáltalán nem hoz létre alügynököt, a nagyobb munkáknál viszont a modell a párhuzamosság és a kontextus kezelése miatt több szakértőt is bevonhat.
Négy építőelem szabályozza a munkát
A Replit a GPT-6 Astra tesztelésekor négy vezérlési elemet finomított. Az első a területhez igazított részfeladatok rendszere. Az általános munkatárs mellett csak olvasásra használható felfedező, böngészős tesztelő, felülvizsgáló, valamint felületek és bemutatók készítésére szolgáló tervezőügynök is rendelkezésre áll. A Replit szerint 2026 szeptemberében a Replit Design vezette a Builders ranglistát a Design Arena versenyén.
A második elem a részfeladatok mérete és erőfeszítési szintje. A kis, standard és nagy kategória eltérő költséget és képességszintet jelent, ezekhez pedig külön gondolkodási erőfeszítés társul. A harmadik elem az újrahasználható alügynök: a magciklus visszatérhet egy korábban eligazított munkatárshoz, így nem kell minden alkalommal elölről kezdenie.
A negyedik a dinamikus erőfeszítés-szabályozás. A GPT-6 család modelljein az erőfeszítés menet közbeni módosítása nem töri meg a gyorsítótárat. Ugyanez a forrás szerint a Fable 5.1-re és az azóta kiadott, érintett szolgáltatói modellekre is igaz, más modelleknél viszont a váltás újraépíti a gyorsítótárat.
Az Astra gyakrabban adja tovább a munkát
A Replit egy hétnyi éles használati adatot közölt a Fable 5, a Fable 5.1 és a GPT-6 Astra működéséről. Közepes gondolkodási erőfeszítés mellett a részfeladatot indító menetek aránya rendre 32, 21 és 36 százalék volt. Általános munkatárshoz a menetek 0,9, 2,3 és 20 százalékában került feladat.
A már eligazított részfeladathoz való visszatérés aránya a három modellnél 17, 29 és 42 százalékot tett ki. A Replit szerint az Astra az első olyan modell, amelyet rendszeresen láttak magától általános munkatársakhoz delegálni. A Fable modellek inkább felfedezőket és felülvizsgálókat küldtek ki, miközben a megvalósítást maguknál tartották.
A cég szerint az erősebb modellek így a drágább tokenjeiket azokra a döntésekre tartogathatják, amelyekhez valóban szükség van rájuk. A GPT-6 Astra és a Fable 5.1 kódminősége mellett a Replit kevesebbszer használhatta a kódellenőrző alügynököt anélkül, hogy romlottak volna a kiértékelési eredmények.
Kedvezőbb költség és pontszám a teszteken
A Replit Agentet Max módban, a legmagasabb minőségi beállításban, GPT-6 Astrával mint magmodellel értékelték a DeepSWE és a Terminal-Bench szoftvermérnöki teszteken. A mérések négy ismétlés átlagai. A Replit Agent eredményeit az Astra önálló futtatásával, valamint egy olyan sidekick architektúrával vetették össze, amelyben egyetlen, hosszú ideig élő munkatárs helyettesíti a részfeladatok rendszerét.
A DeepSWE v1.1 teszten a Replit Agent 72 százalékos eredményt ért el, feladatonként 2,11 dolláros költséggel. Az Astra mini-swe-agentben alacsony erőfeszítéssel 67 százalékot ért el 1,60 dollárért, xhigh beállítással pedig 74 százalékot 4,43 dollárért. A sidekick architektúra 61 százalékot ért el 1,34 dolláros feladatonkénti költséggel.
A Terminal-Bench 4.0 teszten, három GPU-feladat kizárásával, a Replit Agent 49 százalékot ért el 2,53 dollárért. Az Astra alacsony erőfeszítéssel 42 százalékot és 2,25 dollárt, xhigh beállítással 60 százalékot és 5,86 dollárt hozott. A sidekick architektúra 33 százalékot ért el 1,84 dolláros költség mellett.
A Replit értelmezése szerint a saját rendszere mindkét teszten 11, illetve 16 százalékponttal előzte meg a sidekick megoldást. A közlemény szerint a Replit Agentet ugyanazzal a felszereltséggel futtatták, ahogyan a felhasználók elérik, a felkérések vagy a vezérlőrendszer módosítása nélkül.
Replit: Free the models: Harness design at the frontier
