Ein Entwickler hat ein Sprachmodell mit 360 Mio. Parametern feinabgestimmt, sodass es sich wie ein Terminal verhält. Dahinter steckt weder eine Shell noch ein Dateisystem. Stattdessen wird jeder Tastendruck an das Modell übergeben, das vorhersagt, wie sich der Bildschirm verändert. Laut dem Autor kann es Dateien erstellen, vim und tmux ausführen, Snake spielen und sich meist an Eingaben erinnern, die einige Befehle zuvor gemacht wurden. Die größten Verbesserungen entstanden dadurch, dass das Modell lernte, eigene Fehler zu korrigieren, und dass Bildschirmzeilen parallel dekodiert werden. Die Demo läuft im Browser und umfasst rund 208 MB. Nutzer können "pythoon" eingeben, um zu sehen, dass es keine echte Shell ist.
Das Projekt ist von Genie 3 inspiriert, das eine Zukunft andeutete, in der Anwendungen gelernt statt programmiert werden. Der Autor übertrug diese Idee von einer Spielwelt auf ein Terminal. Ein Terminal ist ein Raster aus Zeichen statt aus Pixeln, und Trainingsdaten lassen sich erzeugen, indem echte Shells ausgeführt werden. Das Modell basiert auf Qwen2.5-Coder-0.5B und wurde mit aufgezeichneten Terminalsitzungen echter Programme feinabgestimmt, die in Docker liefen.
Standard-Sprachmodelle hängen Token einzeln an, was für ein Terminal nicht passt, weil ein einzelner Tastendruck eigenständig wirken kann und die Ausgabe nicht immer am unteren Bildschirmrand erscheint. Stattdessen sagt das Modell Änderungen an einem Zeichenraster voraus. Jede Sitzung beginnt mit einer Momentaufnahme der Bildschirmgröße, seines Inhalts und der Cursorposition. Tastendrucke werden als rohe Bytes gesendet, wie sie ein echtes Terminal erhalten würde, und das Modell antwortet mit den neu zu schreibenden Zeilen und der neuen Cursorposition. Auch die Zeit ist eine Eingabe, sodass ein WAIT-Token es Snake erlaubt, sich ohne Tastendruck weiterzubewegen.
Um bei jedem Scrollen nicht alle Zeilen neu zu erzeugen, ergänzte der Autor eine COPY-Operation, die Zeilen vom vorherigen Bildschirm verschiebt, was pro Tastendruck Tausende Token einspart. Die Demo ist für einen Desktop-Browser mit WebGPU und einer physischen Tastatur konzipiert; Chrome oder Edge werden empfohlen.
Quelle: Hacker News · Zusammengefasst von HeadlinesBriefing