Ud over Modelvægte: ForgeCode Viser, Hvorfor Orchestration Laget Er Kongen

AI-verdenen har i et år jagtet større modeller, bedre vægte og nye arkitekturer. Men ForgeCode smed en håndgranate i debatten: Din model orchestration betyder mere, end du tror.

Holdet tog Gemini 3.1 Pro og pakkede den ind i ForgeCodes setup. Ingen ændringer på modellen. Ingen finetuning, ingen nye parametre, ingen retraining. De fik bare styr på, hvordan den snakker med værktøjer. Resultatet? Fra 55% til 80,2% på Terminal-Bench 2.0. 25 procentpoint op fra smart rørførsel alene.

Den Sande Viden: Schema-Design Slår Modelkraft

Her rammer det udviklere, der bygger code agents i praksis.

Din LLM skal kalde et værktøj – læse en fil, køre en kommando, spørge en database. Den spytter JSON ud med anmodningen. Let, ikke? Men de fleste frameworks sender komplicerede, nested schemas med vilkårlig rækkefølge. Modellen laver fejl: Ekstra parenteser, manglende felter, ødelagt JSON. Værktøjskaldet fejler. Retry-loopen starter.

ForgeCode gør schemas flade og låser field-rækkefølgen fast. Samme model, renere output, færre fejl. Orchestration-laget fikser ting, der ellers gemmer sig i dine logfiler.

Det her er optimeringer, der ikke bliver papers om. For praktiske. Men de virker.

Parallel Udførelse: 3–5 Gange Hurtigere, Uden Fanfare

De fleste code agents arbejder trin for trin. Læs en fil, vent, læs næste. Kæde i skyen. ForgeCode vender det om: Uafhængige kald går parallelt med join_all().

Agenten skal læse 10 konfig-filer, før den planlægger? Sekventielle agents laver 10 ture. ForgeCode klarer det på én. Til opgaver med fil-scanning fra start (de fleste), får du 3–5 gange hurtigere kørsel.

I stor skala bliver det vildt. CI/CD-agents, code review-bots, debug-værktøjer – de sidder fast i fil-læsning. Parallel er ikke luksus. Det er forskellen på dev-test og produktion.

Multi-Agent Opsætning: Rekursion Uden Grænser

ForgeCode kommer med tre specialiserede agents:

• Forge: Udfører opgaver
• Muse: Planlægger arbejdsgange
• Sage: Undersøger kontekst og afhængigheder

Hver har sin egen model, kontekst og værktøjer. Intet nyt. Det smarte er samspillet.

Sub-agents popper op via parallel-laget, så en runde kan starte flere Forge-instanser på separate underopgaver. Og sub-agents kan lave flere sub-agents. Delegationen går rekursivt dybt – så dybt som problemet kræver.

Det er et træ, ikke en stige.

Smid komplekse udfordringer ind. Systemet bryder dem ned naturligt. Det stopper, når mere delegation ikke hjælper – ikke ved en kunstig grænse.

De Ærlige Svagheder

ForgeCode er ikke klar til alt i produktion. Holdet er åben om hullerne:

• Ingen persistent hukommelse: Sessioner er stateless. Kontekst forsvinder mellem kørsler.
• Ingen checkpoints: Krash midt i? Start forfra. Ingen resume.
• Mindre økosystem: Cline og OpenCode har bedre community og integrationer.

Det er alvorlige mangler til store deploymenter. Men de er løsbare. Og ærlige.

Hvad Det Betyder for Din AI-Stack

ForgeCodes resultater banker en nail ind: Jag performance i orchestration før model-opgraderinger.

Til startups og teams med code agents: Optimer de rammer, du styrer. Ikke vent på næste model. Rene schemas. Parallel kørsel. Rekursiv delegation. Det giver hurtige gevinster.

Til cloud-hosting (hej, os): Hosting af agents handler ikke kun om GPU og latency. Frameworket ovenpå infrastrukturen tæller mere end rå hastighed.

Se benchmarks på terminal-bench.com. Prøv ForgeCode via Tensorlake's Harness.

Modellen lever stadig. Men orchestration-laget stjal showet.

Vil du køre AI-agents på solid, skalerbar infra? NameOcean's cloud hosting og Vibe Hosting AI-layer er lavet til præcis de her workloads. Lad os snakke.