Sandboxe · kørsel af kode
Din agent skriver kode, der aldrig har kørt før. En sandbox på en Firecracker-microVM giver koden en engangsmaskine med Linux uden adgang til din server, dine nøgler eller dit netværk — startet på cirka et sekund, afregnet pr. sekund.
Kør tests for kode, du ikke stoler på – en pull request fra en fremmed, en genereret patch – i en frisk microVM, der slettes efter kørslen. Afregning pr. sekund, SDK til Python og TS, og ærlighed om grænserne for samtidighed.
At bedømme en model på programmeringsopgaver betyder at køre tusindvis af programmer, som ingen har skrevet i hånden. Kør dem i engangs-sandboxe på microVM i stedet for på din bærbare – afregning pr. sekund og en ærlig note om gennemløb og CPU-grænser.
En diff fortæller, hvad en patch påstår. En kørsel fortæller, om det passer. Check en pull request ud i en engangs-microVM, genskab fejlen før og efter, kør testene, og gennemgå med beviser – for omkring en halv cent pr. omgang.