System One Coding: nyusun kode ngaliwatan kaputusan
Blok anu boga tipe, verifikasi bertahap, babandingan anu diukur, jeung pilot gratis anu kadaptar.
Artikel ieu ditarjamahkeun ku mesin.
System One Coding nyaéta harness coding bertahap Mithril: modél kaputusan milih tina blok wangunan anu boga tipe, sedengkeun harness ngawangun sumber, mariksana, sarta nyatet hasilna. Coba [pilot gratis anu kadaptar](https://code.mithril.fund/).
## Babandingan métode coding anu diukur
Diukur 2026-10-06T07:33:38.924Z (tanggal JST 2026-10-06), dina host Node/NBB lokal anu sarua ngaliwatan OpenRouter.
Lima babak ngaganti urutan métode; nepi ka opat usaha unggalna.
Unggal métode kedah ngahasilkeun dua badan fungsi CLJK anu sarua, ngajaga pananda, sarta lulus duanana input toggle boolean ditambah sadaya 511 vektor parantosan anu panjangna 0–8.
Baseline generasi ngaluarkeun éksprési JSON anu ditampi ku tata basa anu diwatesan saméméh émisi sumber; kaluaran anu ditolak nampi pesen perbaikan umum anu sarua.
Ieu tugas fungsi leutik anu diwatesan, sanés SWE-bench atawa coding repositori umum.
| Métode | Lulus | Median detik | Median API USD | Token input / output | Panggilan per lumpatan |
| --- | --- | ---: | ---: | ---: | --- |
| System One / Jev | 5/5 | 2.973 | $0.000401268 | 9554 / 406 | 8, 8, 9, 8, 8 |
| Qwen3 Coder Next + perbaikan | 5/5 | 2.195 | $0.000089240 | 314 / 48 | 2, 2, 2, 2, 1 |
| Gemini 2.5 Flash + perbaikan | 5/5 | 2.624 | $0.000231600 | 297 / 57 | 1, 2, 2, 3, 1 |
| Témplat anu dipikanyaho | 5/5 | 0.361 | $0.000000000 | 0 / 0 | 0, 0, 0, 0, 0 |
Waktu lumpat ti mimiti panyelpon dugi ka parsing réspon, panarimaan, émisi sumber, jeung parantosan verifikator.
System One ngawengku setup harness anu dibagikeun, resi, jeung pamariksaan replay; métode séjén ngagunakeun adaptor panarimaan/pamariksaan anu leuwih leutik.
Prosés verifikasi béda (dua pamariksaan per fungsi sacara paralel lawan hiji checker gabungan).
Ieu babandingan anu diukur tina implementasi ieu, sanés tés laju modél anu diisolasi.
Panyusunan UI, compile/deploy, ngamimitian jaringan, listrik, hardware, kamekaran manusa, jeung latihan dikaluarkeun.
API USD asalna tina resi pamakéan panyadia anu sabenerna, kaasup kaluaran anu ditolak jeung panggilan perbaikan; kolom token nyaéta median.
Taya biaya anu teu dipikanyaho anu dianggap nol.
Pamakéan deui témplat merlukeun solusi anu geus dipikanyaho ku pamekar.
Catetan [20 lumpatan](https://code.mithril.fund/coding-benchmark.json) jeung [sumber réproduksi](https://github.com/mithril-lang/mithril-fund/tree/main/apps/code/bench) sayogi.
Babandingan anu diukur ngagunakeun $0.003558784 dina biaya API modél sacara total.
Pikeun tugas ieu median Qwen leuwih gancang jeung leuwih murah tibatan Jev; median Gemini ogé leuwih gancang jeung leuwih murah.
Maké deui témplat anu geus dipikanyaho panggancangna kalayan biaya API modél nol.
Nilai System One ayeuna nyaéta rohangan pilihan anu dikontrol, komposisi anu sadar dependensi, sumber anu tiasa diverifikasi, jeung bukti anu tiasa di-replay.
Ieu can némbongkeun kaunggulan laju, biaya, atawa akurasi anu umum.
Lima lumpatan anu junun dina hiji tugas leutik henteu netepkeun laju reliabilitas anu umum.
## Kumaha jalanna
1. Manusa nangtukeun tugas, primitif anu sayogi, tipe, dependensi, jeung pamariksaan panarimaan anu tetep.
2. Pikeun unggal tahap jeung liang AST, harness ngan némbongkeun pilihan anu cocog. Tahap toggle parantosan boga argumen boolean, konstanta, jeung kondisional. Tahap itungan tiasa ngagunakeun fungsi toggle anu diverifikasi, panyaringan vektor, jeung ngitung.
3. Jev milih blok salajengna. Harness mivalidasi pilihan sarta ngawangun AST; kapercayaan nyalira moal tiasa nampa kode.
4. Harness ngaluarkeun dua file sumber CLJK, ngajaga définisi anu teu patali, sarta ngajalankeun pamariksaan tetep anu mandiri. Resi nyatet kaputusan, token, waktos, biaya API, jeung verifikasi. Verifikasi anu gagal ngeureunkeun publikasi.
5. Browser ngarakit starter TodoMVC di sabudeureun kernel anu diverifikasi. Anjeun tiasa mariksa/ngédit/ngaékspor file, nyambungkeun GitHub, nyieun repositori, nyimpen commit, sarta sacara eksplisit medalkeunana ka GitHub Pages.
Pilot ngahasilkeun ngan toggle parantosan jeung itungan anu can réngsé.
UI, éditan, operasi bulk, filter URL, persistensi lokal, jeung integrasi WebAssembly nyaéta kode starter anu dijaga.
Éksekusi repositori sawenang, generasi UI/UX, generasi API, jeung ékspansi otomatis katalog blok mangrupa pagawéan ka hareup.
Ringkesan anjeun henteu nyiptakeun kamampuh anyar di luar katalog ieu.
Éditan manual aya di luar bukti asli.
## Daptar sarta coba gratis
Buka [Mithril](https://mithril.fund/#system-one), daptar/asup, tuluy buka [System One Coding](https://code.mithril.fund/).
Taya konci OpenRouter atawa token GitHub anu diperlukeun pikeun lumpatan gratis.
Sési browser Mithril anu aya ngidinan uji coba.
Kredensial GitHub diperlukeun ngan pikeun nyimpen atawa medalkeun ka repositori anjeun.
Pilot ngidinan **3 usaha anu ditarima per akun per poé UTC**, kalayan **100 usaha per poé UTC sakuliah ladenan**.
Usaha anu ditarima, kaasup gagal, runner anu sibuk, atawa hasil anu teu dipikanyaho, ngonsumsi hiji slot.
Paménta anu teu sah atawa teu dioténtikasi henteu.
Maireplay ID paménta anu sarua malikkeun hasil anu kasimpen tanpa panggilan modél séjén.
Server ngagunakeun hiji otoritas kuota transaksional anu persisten, sanés panyimpenan browser.
Pilot gumantung kana runner lokal operator jeung torowongan publik anu online; ieu sanés jaminan kasadiaan.
Lumpatan konci panyadia anu mandiri merlukeun sambungan GitHub sarta ngagunakeun saldo OpenRouter anjeun sorangan.
## Kinerja browser mangrupa pangukuran anu misah
[Babandingan TodoMVC](https://code.mithril.fund/benchmarks.html) ngukur interaksi aplikasi sarta ngabandingkeun starter anu dijaga jeung Vanilla ES6.
Baseline Speedometer 3.1 na ngaluarkeun Mithril.
Hasil ieu henteu ngukur laju agén coding atawa ngabuktikeun skor Speedometer resmi pikeun Mithril.
## Jev jeung CLEF
Harness anu hirup nyauran Jev ngaliwatan OpenRouter pikeun pilihan anu gumantung ka kaayaan.
Biasana kernel ieu nyandak dalapan pilihan, sanés hiji kaputusan pikeun sakabéh program.
[Cloudflare CLEF](https://huggingface.co/Cloudflare/clef) ngajelaskeun pendekatan modél kaputusan anu cocog jeung Jev/System One.
CLEF mangrupa backend lokal/latihan anu mungkin; pilot anu dikirim henteu ngagunakeun modél CLEF anu dilatih sacara lokal.
Usaha lokal saméméhna henteu lolos, sarta taya gain latihan anu diklaim.
## Ngalegaan harness
Pikeun tahap UI/UX, logika, jeung API, tangtukeun katalog anu boga tipe jeung verifikator anu misah.
Contona tahap layout tiasa milih komponén anu dijaga; tahap API kedah milih kontrak anu geus diulas, auténtikasi, jeung blok validasi input.
Tampi hiji tahap ngan nalika dependensi jeung input pamariksaanana sayogi.
Jaga kaputusan modél minangka usulan; harness anu boga tipe, jalur anu tiasa ditarima, wates éksekusi, jeung gerbang publikasi.
Legaan katalog kalayan tugas anu ditahan sarta lacak sadaya kagagalan, jumlah perbaikan, waktu témbok, jeung biaya anu sabenerna saméméh ngaku kamampuh anu leuwih lega.
Catetan implementasi jeung pangukuran publik. [Dokuméntasi](https://mithril.fund/docs/system-one-coding).
## Rekaman apdet éditor
[Rekaman éditor laju asli](https://code.mithril.fund/editor-update.mp4) némbongkeun dua fungsi anu can diimplementasikeun robah jadi sumber anu diverifikasi.
Ieu pratinjau lokal kalayan Jev anu sabenerna jeung fixture auténtikasi tés anu dilabélan, misah tina kualifikasi pamaké kadaptar produksi.
Kacatet 2026-10-06T07:55:00.252Z: klik-ka-sumber 2.631 detik; resi harness 2.107 detik; 8842 / 406 token; API $0.000371364.
[Resi pangukuran](https://code.mithril.fund/editor-update.json).