GVS5H: Fünf Qwen3.8-27B-Instanzen erreichen Fable-5-Niveau beim Coden

Organisation statt Modellgröße

Das Projekt „GVS5H“ (Gorilla vs. 5 Humans) zeigt, dass sich Coding-Leistung auch ohne größeres Modell steigern lässt. Die Autoren nennen ihr Verfahren ledger-based zero-shot self-orchestration: Frische Instanzen desselben Modells zerlegen ein Problem und koordinieren sich über ein gemeinsames Dateisystem, in dem Plan, Notizen und die aktuelle Lösung liegen. Trainiert wird nichts.

Die Zahlen

Getestet wurde auf den 100 neuesten schweren LiveCodeBench-Aufgaben mit elf offenen und geschlossenen Modellen:

• Qwen3.8-27B (lokal, offene Gewichte) steigt von 66,8 % auf 92,4 % pass@1.
• Qwen3.8 Flash Next kommt orchestriert auf 93,0 % und liegt damit vor Fable 5 mit 90,4 % – bei rund 9 % der Kosten.
• Die Gewinne betragen bis zu 25,6 Prozentpunkte auf festen Backends.
• Nicht jedes Modell profitiert: Einige bleiben unverändert oder werden schlechter.

Warum es funktioniert

Laut Transkript-Analyse kommt der Gewinn vor allem aus zwei Dingen: sauberer Aufgabenzerlegung und persistentem Kontext im Ledger, statt alles in einem langen Prompt zu halten. Eine Einschränkung nennt das Repo selbst: Opus 5 lief auf einer früheren Scaffold-Version, in einem Durchlauf über OpenRouter statt fünf auf einem festen Backend – der Vergleich ist also nicht ganz sauber.

Praktisch

Der Code (MIT) läuft mit uv und einem API-Key; --engine multiagent startet den Manager, --engine single die Ein-Aufruf-Baseline. Das Paper steht unter CC BY 4.0. Für Selbsthoster ist die Aussage interessant: Ein 27B-Modell auf einer einzelnen GPU kommt mit geschickter Orchestrierung in die Nähe aktueller Spitzenmodelle – zumindest auf diesem Benchmark.

Quelle: GVS5H auf GitHub