Mingbird es un entorno de agente local-first para Windows y Ollama diseñado para ayudar a los modelos de peso abierto pequeños (2-9B) a completar tareas reales abordando modos de fallo comunes como el desbordamiento del contexto y los bucles. Emplea diez mecanismos, incluido un presupuesto de prellenado neto cero a nivel de bytes y la detección de bucles a nivel de firma, para compensar estos problemas.

  • En la benchmark LRAB, Mingbird obtuvo una puntuación global de 0.886, superando a goose (0.631), opencode (0.479) y agent-mini (0.405).
  • En las evaluaciones τ²-bench, alcanzó un total de 0.856 en comparación con 0.791 y 0.737 para otros entornos.
  • El sistema incluye un cierre que vuelve a leer la tarea antes de aceptar la finalización para evitar la divergencia.

Los autores argumentan que una parte sustancial de los fallos en modelos pequeños se atribuye al entorno en lugar del modelo en sí, demostrando que el enfoque de Mingbird mejora significativamente la fiabilidad.