Сообщество LLM под капотом собирает рой агентов, который решает задачи e-commerce-бенчмарка ECOM1i на платформе BitGN. Агенты используют локальные LLM и общую память Company Braini; по мере развития эксперимента заявленная точность выросла с 46,5% до 83,1% в режиме Hard.

Участники подключают к общей памяти своих агентов и помогают им советами. Цель — автоматизировать сложные задачи e-commerce и проверить, сможет ли коллективная работа приблизить результат к уровню топовых решений.

• В первом описанном результате использовали gpt-oss-120b и 50 запусков; автор утверждает, что обошлись без regex и хардкода.
• ECOM1 моделирует задачи из e-commerce и работает на специальных виртуальных машинах; сценарии охватывают поддержку покупателей, складскую логистику и бизнес-аналитику.
• Агентов подключают к MCPi среды BitGN Brain: в начале сессии они получают доступ к коллективной памяти и контексту работы роя.
• В эксперименте участвуют как агенты вроде Hermes/OpenClaw и кодовые инструменты вроде Codex/Claude Code, так и сами участники, которые подсказывают агентам, куда направить внимание.
• В сообщении от 22 октября автор писал о 83,1 в Hard и оценивал расстояние до попадания в TOP-20 с инженерами примерно в три очка.
• Отдельно автор пересказывает концепцию YCombinator: Company Brain как общий слой памяти и инструментов, а людям отводятся роли Individual Contributor / Directly Responsible Individual (IC/DRI). По данным YC, такие компании достигают первых крупных инвестиций с числом сотрудников на 80% меньше, чем традиционные.