Meer dan modelgewichten: ForgeCode laat zien dat orchestratie het verschil maakt

De AI-wereld draait al een jaar om grotere modellen, slimmere gewichten en hippe architecturen. ForgeCode gooit roet in het eten met een simpele boodschap: je orchestratie-laag telt harder dan je denkt.

Het team pakte Gemini 3.1 Pro en stopte het in ForgeCode's opzet. Zonder het model aan te raken. Geen finetuning, geen extra parameters, geen hertraining. Ze pasten alleen aan hoe het met tools omgaat. Uitkomst? Van 55% naar 80,2% op Terminal-Bench 2.0. Puur 25 procentpunt winst door slimmere aansturing.

Schema's slim houden: Beter dan een sterker model

Voor developers die code-agents bouwen, zit de kracht hier.

Je LLM wil een tool aanroepen – bestand lezen, commando draaien, database checken. Het spuugt JSON uit met de opdracht. Klinkt makkelijk. Maar veel frameworks gooien ingewikkelde, geneste schemas de wereld in, met willekeurige veldvolgorde. Model faalt: verkeerde haakjes, missend veld, kapotte JSON. Tool-call mislukt. Probeer opnieuw.

ForgeCode maakt schemas plat en dwingt vaste veldvolgorde af. Zelfde model, strakkere output, minder fouten. De orchestratie-laag fixt wat anders in je logs verdwijnt.

Zo'n tweak belandt zelden in academische papers. Te alledaags. Maar het levert.

Gelijktijdig uitvoeren: 3-5x sneller, zonder gedoe

De meeste code-agents werken stap voor stap. Bestand opvragen, wachten, volgende opvragen. Eindeloos gewachtijd in de cloud. ForgeCode keert het om: onafhankelijke tool-calls gaan parallel met join_all().

Moet je agent 10 config-bestanden scannen voor de volgende stap? Sequentiële agents doen 10 heen-en-weertjes. ForgeCode: één ronde. Voor taken die met filesystem-verkenning beginnen – en dat is bijna alles – word je 3-5x sneller.

Op schaal stapelt dit op. Je CI/CD-agents, code-review-bots, debug-tools: allemaal vastlopend op bestandstoegang. Parallel is geen extraatje; het maakt het bruikbaar in productie.

Multi-agent opzet: Recursie zonder limiet

ForgeCode komt met drie gespecialiseerde agents:

• Forge: Voert taken uit
• Muse: Plant werkstromen
• Sage: Duikt in context en afhankelijkheden

Elke agent krijgt eigen model, context en tools. Niet revolutionair. Het slimme zit in de aansturing.

Sub-agents starten via dezelfde parallelle laag, dus één hoofdronde spawnt meerdere Forge-instanties voor losse stukjes. En sub-agents kunnen weer sub-agents maken. Recursie tot het klusje geklaard is – zo diep als nodig, geen kunstmatige stop.

Geen lineaire keten, maar een boomstructuur.

Zo pak je complexe klussen aan, en het systeem stopt vanzelf als delegeren niet meer helpt.

Eerlijke minpunten

ForgeCode belooft geen wonderen voor elke productie-omgeving. Het team is open over zwaktes:

• Geen langetermijngeheugen: Sessies zijn stateless. Context verdwijnt na afloop.
• Geen savepoints: Middenin crashen? Herstart vanaf nul.
• Kleinere community: Cline en OpenCode hebben meer plug-ins en support.

Voor echte deployments tellen deze nadelen. Maar ze zijn oplosbaar en transparant.

Lessen voor je AI-setup

ForgeCode hamert erop in: bij performance-jacht voor AI-dev-tools, check eerst je orchestratie, niet je model-upgrade.

Startups en teams met code-agents: pak je frameworks aan in plaats van wachten op het volgende model. Platte schemas. Parallel uitvoeren. Recursieve delegering. Dat groeit snel.

Voor cloud-hosting (zoals bij ons): agents draaien draait niet alleen om GPU's en latency. De frameworks erboven bepalen het succes.

Bekijk de benchmarks op terminal-bench.com. Klaar om ForgeCode te testen? Tensorlake's Harness heeft de handleiding.

Modellen leven nog. Maar orchestratie steelt de show.

AI-agents draaien op schaalbare infra? NameOcean's cloud hosting en Vibe Hosting AI-laag zijn ervoor gemaakt. Laten we praten.