वर्णन करा, नंतर ते चालताना पहा
शेल, फाईल ट्री आणि टर्मिनलसह एक सँडबॉक्स केलेली Linux वर्कस्पेस. कोड फाईल्समध्ये लिहिला जातो आणि चालवला जातो, त्यामुळे तुम्हाला आउटपुटचे वर्णन न दिसता थेट आउटपुट दिसते.
हे कसे काम करते
तीन पायऱ्या, आणि त्यातील एकही “कॉन्फिगर करा” नाही.
- 01
तुम्हाला काय तयार करायचे आहे ते सांगा
किंवा तुमच्या स्वतःच्या फाईल्स आणा — त्या पानावर कुठेही ड्रॉप करा आणि त्या वर्कस्पेसमध्ये येतील.
- 02
हे फाईल्स लिहिते आणि चालवते
चॅट बबलमधील कोड नाही. खऱ्या फाईलसिस्टममधील खऱ्या फाईल्स, आणि असे कमांड्स ज्यांचे आउटपुट तुमच्या दोघांनाही दिसते.
- 03
वर्कस्पेस तुमच्याकडेच राहते
पुढच्या वेळी तुम्ही सेशन उघडाल तेव्हा फाईल्स, इंस्टॉल केलेले पॅकेजेस आणि शेलची स्थिती जशीच्या तशी असेल.
हे काय करू शकते
एक वास्तविक टर्मिनल
node, npm, git, curl, pandas आणि matplotlib सह python3 आणि नेहमीचे coreutils. इतर काहीही pip किंवा npm ने इन्स्टॉल होते.
फाइल स्वतः चालवा
कोणत्याही Python, JavaScript, TypeScript किंवा शेल फाइलला Run बटण मिळते. ते प्रथम सेव्ह करते, नंतर चालवते आणि आउटपुट फाइलच्या खाली असलेल्या टर्मिनल पेनमध्ये दिसते जे तुम्ही लहान करू शकता किंवा बंद करू शकता.
कोणतेही मॉडेल, सत्र सुरू असताना बदललेले
मॉडेल बदलल्यावर वातावरण बदलत नाही, त्यामुळे तुम्ही कठीण भागासाठी अधिक क्षमतेच्या मॉडेलवर स्विच करू शकता आणि नंतर पुन्हा मागे येऊ शकता.
हे कसे सेट केले आहे
कार्यपद्धती, जेणेकरून साइन इन करण्यापूर्वी तुम्हाला काय मिळत आहे हे तुम्हाला माहीत असेल.
- वातावरण
- प्रत्येक सेशनसाठी एक Linux कंटेनर, जो तुमच्या टर्न्सदरम्यान तयार ठेवला जातो. शेल सुरू होणाऱ्या डिरेक्टरीमध्ये तुमची वर्कस्पेस माउंट केली जाते.
- साधने
- एक शेल, तसेच रीड, राईट, एडिट, glob आणि grep.
- मॉडेल
- कॅटलॉगमधील कोणतेही चॅट मॉडेल.
- सुरुवातीच्या फाइल्स
- काहीही आधीपासून नसेल — ते रिकामे सुरू होते, कारण तुम्ही त्यात काय तयार करता ते महत्त्वाचे आहे.
- काय राहते
- वर्कस्पेस प्रत्येक सेशननुसार सेव्ह केली जाते आणि पेज रीलोड केल्यावर, टॅब बंद केल्यावर किंवा वेगळे डिव्हाइस वापरल्यावरही ती टिकून राहते.
लोक ज्या गोष्टी विचारतात
- “फोल्डरमध्ये दुप्पट फायली शोधणारी Python स्क्रिप्ट लिहा, नंतर तुम्ही तयार केलेल्या काही चाचणी फायलींवर ती चालवा.”
- “Node मध्ये एका हेल्थ एंडपॉइंटसह लहान HTTP सर्व्हर सेट करा, तो चालवा आणि मला प्रतिसाद दाखवा.”
- “ही CSV फाईल घ्या आणि तिचे प्रत्येक रोसाठी एक ऑब्जेक्ट असलेल्या JSON फाईलमध्ये रूपांतर करा.”
- “या दोन फंक्शन्सचे बेंचमार्क करा आणि कोणते जास्त जलद आहे आणि कितीने, ते सांगा.”
हे काय करणार नाही
यातील प्रत्येक मर्यादा आम्ही प्रत्यक्षात अनुभवली आहे, हा रोडमॅपचा भाग नाही.
- बाहेरून ॲक्सेस करता येणारे दीर्घकाळ चालणारे सर्व्हर्स नाहीत. सतत चालू राहणे आवश्यक असलेला कमांड टाइमआउट झाल्यावर थांबवला जातो.
- सेशन शांत झाल्यावर सँडबॉक्स पुन्हा ताब्यात घेतला जातो. तुमच्या फाईल्स टिकून राहतात; चालू असलेली प्रोसेस नाही.
- हे एक वर्कस्पेस आहे, डिप्लॉय टार्गेट नाही. तुम्ही येथे जे तयार कराल ते सोबत नेऊ शकता.
कोणते मॉडेल हे सर्वोत्तम करते
या एजंटच्या वास्तविक रन्सवर, प्रति मॉडेल मोजलेले. जेव्हा एखादा रन स्वतःहून उत्तर तयार करतो तेव्हा तो पूर्ण झालेला मानला जातो — काहीही अयशस्वी झाले नाही, कोणालाही कशास मान्यता देण्यास सांगितले गेले नाही, आणि त्याच्या पायऱ्या संपल्या नाहीत. तीनही स्तंभ एकत्र वाचा: हार मानून वेगाने संपवणारे मॉडेल पहिल्या स्तंभावर वाईट स्कोअर करते, आणि सर्वकाही कसून पूर्ण करणारे मॉडेल दुसऱ्या स्तंभावर वाईट स्कोअर करते.
| मॉडेल | पूर्णतेचा दर | मध्यक खर्च | मध्यक वेळ | रन्स |
|---|---|---|---|---|
| glm-5.3z-ai | 76% | $0.027 | 78से | 21 |
| claude-haiku-5.5anthropic | 100% | $0.0004 | 8से | 13 |
| kimi-latest~moonshotai | 92% | $0.028 | 37से | 12 |
| glm-5.3-flashz-ai | 82% | $0.010 | 3मि 12से | 11 |
| gpt-6-luna-proopenai | 100% | $0.0023 | 20से | 9 |
| hy4tencent | 100% | $0.0086 | 37से | 9 |
| claude-sonnet-5anthropic | 100% | $0.229 | 82से | 4 |
| gemini-3.5-flash-litegoogle | 100% | $0.016 | 19से | 4 |
| gemini-3.6-flashgoogle | 100% | $0.063 | 76से | 4 |
| gemini-3.7-flashgoogle | 50% | $0.045 | 44से | 4 |
| gemini-3.8-flashgoogle | 25% | $0.045 | 83से | 4 |
| gpt-5.6-luna-proopenai | 100% | $0.010 | 38से | 4 |
- पूर्णतेचा दर
- तुम्हाला हस्तक्षेप न करता काम पूर्ण करणाऱ्या रन्स.
- मध्यक खर्च
- क्रेडिट्समध्ये, एका सामान्य रनचा खर्च किती येतो.
- मध्यक वेळ
- भिंतीवरील घड्याळ, पहिल्या संदेशापासून उत्तरापर्यंत.
प्रत्येक रांगेच्या मागील रन्सवरील मध्यक. या एजंटवर 3 रन्स झाल्यावर एक मॉडेल दिसते, आणि रन संख्या दर्शविली जाते जेणेकरून एखादा आकडा कशावर आधारित आहे याचा तुम्ही अंदाज लावू शकाल.