Model Benchmarks
18 LLM
3946 тестов на 3 ролях (orchestrator, lead-developer, frontend-developer). Kimi-K2.6 лидер с avg 86.7, Kimi-K2.7-Code — лучший универсал по 3 ролям.
Распределенная система из 30+ специализированных AI-агентов, оркестрируемых через Gitea.
От идеи до продакшена — полностью автоматически. Самоанализ, саморевью, самоэволюция.
Поддерживает стеки разработки
Каждая задача проходит через 8 фаз с автоматической сменой статус-лейблов.
Оркестратор выбирает агента под каждую фазу, исходя из типа задачи и состояния.
Превращает идею или баг-репорт в строгую User Story с критериями приемки.
Ищет дубли в git-истории и прошлых решениях, чтобы избежать регрессий и повторной работы.
Проектирует спецификации, схемы данных, API-контракты и архитектуру до написания кода.
Пишет тесты по методологии TDD — до кода. Mock'и, fixtures, edge cases — всё сразу.
Пишет код, чтобы тесты прошли. Backend, frontend, Go, PHP, Python — подключается узкоспециализированный агент.
Адверсариальное ревью по SOLID, безопасности и performance. Если есть замечания — TheFixer дорабатывает итеративно.
Создает PR, мержит в dev, fast-forward в main, ставит semver-теги и готовит релиз.
Оценивает эффективность агентов (1-10) и фитнес-скор (0.0-1.0). Score < 7 — триггерит оптимизацию промптов.
30+ агентов, каждый со своей LLM, ролью и статусом. Модель подбирается под задачу — не наоборот.
| Агент | Категория | Роль | Модель | Fit | Вызывается |
|---|
<!-- GNS_EVENT: {
"type": "subagent_result",
"agent": "lead-developer",
"invocation_id": "AGENT-113-003",
"parent_id": "orch-113-001",
"depth": 1,
"budget": {"remaining": 3800},
"state_changes": {
"labels_add": ["phase::drafting-spec"],
"assignee": "system-analyst"
},
"next_agent": "system-analyst",
"timestamp": "2026-05-23T09:00:00Z"
} -->
{
"type": "subagent_result",
"agent": "lead-developer",
"invocation_id": "AGENT-113-003",
"budget": {"remaining": 3800},
"state_changes": {
"labels_add": ["phase::drafting-spec"],
"assignee": "system-analyst"
},
"next_agent": "system-analyst",
"timestamp": "2026-05-23T09:00:00Z"
}Каждый агент при входе читает checkpoint из issue body, при выходе — пишет структурированный результат с machine-readable footer в Gitea.
Живая дистрибуция агентов по моделям и категориям. Обновляется автоматически из реальных конфигов .kilo/agents/.
| Команда | Модель | Score |
|---|
3946 тестов на 18 моделях × 3 ролях. Реальные скоры из запущенных бенчмарков — не маркетинговые заявки.
Слева — текущие модели Lite (APAW-L), по центру — ТОП-5 моделей по бенчмаркам, справа — текущие модели Pro (APAW). Ячейка — avg score, рамкой выделена текущая модель агента. Чем зеленее — тем выше скор.
APAW не просто выполняет задачи — она учится на результатах. Модель под каждого агента подбирается по фитнес-матрице, а промпты оптимизируются автоматически.
15+ модулей специализированных знаний, которые агенты подгружают под конкретную задачу — не держат в контексте постоянно.
# Visual testing — Playwright в контейнере
docker compose -f docker/docker-compose.web-testing.yml run --rm visual-tester
# Architect indexer — перед любой задачей
docker compose -f docker/docker-compose.architect.yml run --rm architect-indexer
# Evolution dashboard — обновляется автоматически
bun run sync:evolution && bun run evolution:dashboardВсе браузерные инструменты (Playwright, скриншоты, E2E) запускаются в контейнерах. Хост остаётся чистым.
APAW поставляется в двух редакциях: Lite (APAW-L) — лёгкая версия для старта, и Pro (APAW) — полная версия с расширенным агентным парком, эволюцией и DevOps. Выберите подписку под масштаб вашей команды.
Редакция APAW-L — для индивидуальных разработчиков и небольших проектов
Редакция APAW — полная версия для команд, продуктовых компаний и агентств
Pro + on-premise развёртывание, кастомные агенты и SLA под контракт
Подключите APAW к своему проекту и получите доступ к автономному AI-конвейеру с самоулучшением уже сегодня.