El equipo de EvoX usó Genesis para completar y enviar el reto WASM Render de Terminal-Bench Challenges, con un costo de modelo registrado de 36 dólares para la ejecución.
Al momento de la publicación, Genesis podría ser el primer sistema autónomo en informar públicamente la finalización y el envío de un resultado de una Terminal-Bench Challenge.
WASM Render: construir una pila de software WebGL completa desde cero
WASM Render pide implementar un renderizador de software puro en JavaScript/WASM que proporcione las API de WebGL 1.0 y 2.0 a proyectos de Node.js. El entorno de destino no puede depender de un navegador, una GPU, bindings nativos de C++ ni bibliotecas externas.
Según la especificación del reto, la solución debe cubrir un compilador de GLSL, la rasterización de triángulos y toda la superficie de la API de WebGL. Terminal-Bench define el alcance de la verificación como 2.071 pruebas Khronos CTS, junto con suites de regresión visual para three.js y Babylon.js. Esto describe el objetivo de aceptación del reto; no significa que el envío de Genesis ya haya pasado una evaluación oficial de Terminal-Bench.
Muchos benchmarks de agentes de programación evalúan una sola corrección de errores o una funcionalidad localizada. WASM Render es diferente: el trabajo abarca un gran conjunto de módulos interdependientes y toda la base de código debe mantenerse coherente durante la implementación, la integración y la validación continuas.
Las tareas de este tipo exponen los problemas centrales del desarrollo de largo recorrido: si los cambios locales siguen siendo coherentes con la arquitectura global, si el trabajo posterior hereda correctamente las decisiones tempranas y si las evidencias de validación pueden guiar de forma confiable la siguiente etapa. Terminal-Bench Challenges amplía la unidad de evaluación a un proyecto de software completo precisamente para observar estas capacidades.
Cómo Genesis sostiene el desarrollo de largo recorrido
Genesis no depende de un único agente persistente ni de un contexto en crecimiento continuo para conservar todo el estado del desarrollo. El propio proyecto de software constituye el «mundo» persistente: la versión aceptada del software registra el estado actual, mientras que las rutas del repositorio definen dónde está situado un agente y de qué es responsable.
Agentes de vida limitada se despliegan de forma recursiva en torno a la estructura del repositorio. En ámbitos acotados, implementan, inspeccionan y validan cambios candidatos. Los resultados de los agentes empiezan siendo propuestas; solo el código aceptado y las evidencias de validación entran en la historia del proyecto y quedan disponibles para que los hereden los agentes posteriores.
Para un proyecto de sistemas como WASM Render, esto permite que cada agente aborde un problema concreto y acotado, mientras el compilador, el pipeline de renderizado, la gestión de estado y el trabajo de compatibilidad siguen evolucionando a través de una historia compartida de código y validación.
Genesis completó el reto WASM Render por solo 36 dólares, muy por debajo de los más de 1.000 dólares por reto que Terminal-Bench menciona como expectativa.
Nuestras pruebas internas no formales también indican que Genesis puede trabajar eficazmente con bases de código de unas 100.000 líneas. Tenemos menos experiencia con bases de código de un millón de líneas o más, pero nuestros intentos hasta ahora han progresado sin problemas.
🌐 Sitio web del proyecto:
🔗 GitHub:
https://github.com/EMI-Group/genesis
🌐 Grupo de QQ: 297969717
