Das Projekt GVS5H — kurz für Gorilla vs. 5 Humans — erreichte am 25. Oktober 2026 die Startseite von Hacker News mit einer provokanten These: Fünf Instanzen des offenen Modells Qwen3.8-27B, gemeinsam orchestriert, erreichen das Niveau von Claude Fable 5 beim Programmieren. Die Methode, ledger-basierte Zero-Shot-Selbstorchestrierung genannt, nutzt keinerlei zusätzliches Training: Frische Instanzen desselben Modells zerlegen das Problem und koordinieren sich über ein gemeinsames Dateisystem mit Plan, Notizen und aktueller Lösung.
Die zentrale Zahl stammt aus dem Repository selbst: Bei den 100 neuesten schwierigen LiveCodeBench-Problemen springt lokal betriebenes Qwen3.8-27B mit Orchestrierung von 66,8 % auf 92,4 % pass@1, über die 90,4 % von Claude Fable 5 im Einzelaufruf. Orchestriertes Qwen3.8 Flash Next erreicht 93,0 % bei 9 % der Kosten. Insgesamt wurden 11 offene und geschlossene Modelle getestet, mit Zugewinnen von bis zu 25,6 Prozentpunkten auf festgelegten Backends. Die Autoren führen den Zugewinn auf Problemzerlegung und persistenten Kontext zurück, nicht auf neue Gewichte.
Falls sich das bestätigt, ist die Botschaft praktisch: Wie Inferenz organisiert wird, kann so viel wert sein wie die Modellgröße. Für alle, die Modelle auf eigener Hardware betreiben, erzeugten dieselben Gewichte, neu in Rollen organisiert — planen, ausführen, prüfen — einen Sprung, den keine Parametererhöhung allein erklärt. Das Projekt präsentiert das Ergebnis als Programmieren auf Frontier-Niveau mit selbst hostbaren offenen Gewichten.
Doch die Lektüre verlangt drei Vorbehalte, und sie gehören zur Nachricht. Erstens handelt es sich um ein von den Autoren selbst veröffentlichtes Ergebnis, bislang ohne unabhängige Überprüfung. Zweitens stellt der Vergleich eine Orchestrierung mehrerer Instanzen dem Einzelaufruf-Wert von Fable 5 gegenüber — das bedeutet nicht, dass ein einzelnes Qwen3.8-27B das Frontier-Modell schlägt, und Kommentatoren bezweifeln bereits, ob eine agentische Schleife auf einem Benchmark, der für Single-Pass-Evaluierung gedacht ist, ein fairer Vergleich ist. Drittens sind die Zugewinne nicht universell: Manche Modelle blieben gleich oder wurden mit der Methode schlechter, und der Testdatensatz umfasst nur 100 Probleme.
Das Projekt ist offen und reproduzierbar: Der Code steht unter MIT-Lizenz, Paper, Abbildungen und Daten unter CC BY 4.0. Das Repository enthält Anleitungen, um die Einzelaufruf- und die Manager-Version auszuführen und pass@1 am Ende zu prüfen, sodass jeder die Behauptung testen kann, statt sie zu glauben. Einen Test wert — mit den Vorbehalten in der Hand.
Bildnachweis: LiveCodeBench-Genauigkeitsdiagramm aus dem GVS5H-Repository, lizenziert unter CC BY 4.0.
Quellen: GVS5H-Repository auf GitHub (README und Paper), AI0 News und Claw (Projektzusammenfassung).
Transparenz: Dieser Artikel wurde mithilfe künstlicher Intelligenz erstellt, auf Grundlage öffentlicher Beiträge auf X und der oben genannten Internetquellen. Prüfen Sie die Originalquellen, um Details zu bestätigen, bevor Sie zitierten Code oder Ergebnisse verwenden.
Muse
