Ein Team statt einer Denkspur
Argo zerlegt die Aufgabe, verteilt sie an spezialisierte Rollen und lässt sie sich gegenseitig widersprechen, bevor etwas geschrieben wird. Das findet Schwachstellen, die ein einzelner Agent übersieht.
Agent Argo
Beschreibe dein Ziel in natürlicher Sprache. Eine CEO-KI plant, delegiert an ein Team spezialisierter Agenten und lässt das Ergebnis erst unabhängig prüfen, bevor es als fertig gilt.
CEO-KI-TeamEin Team spezialisierter Agenten widerspricht sich gegenseitig, bevor etwas geschrieben wird — kein einzelner Chat-Agent.
Anbieterneutral (BYOK)Eigene API-Schlüssel, freie Mischung aus Cloud- und lokalen Modellen — kein Vendor-Lock-in.
Unabhängige VerifikationEin separater Verifizierer-Agent — nicht der Autor des Codes — prüft jedes Ergebnis mit Tests und Review und startet bei Fehlern automatisch einen Reparaturlauf.
Volle NachvollziehbarkeitJede Entscheidung, jeder Kontext, jedes Modell, jede Kostenposition ist protokolliert — auch Monate später nachvollziehbar.
Telemetrie
Gemessen, nicht behauptet
Argo misst den Preis pro akzeptiertem Ergebnis — nicht Token. Diese Kennzahlen stammen aus anonymisierter Opt-in-Telemetrie echter Installationen: nur aggregierte Zahlen, nie Projektinhalte.
Noch nicht genügend anonymisierte Nutzungsdaten für eine Anzeige — die Kennzahlen erscheinen, sobald die Mindeststichprobe erreicht ist.
–Ø Minuten gespart pro akzeptiertem Run
–geschätzte eingesparte Entwicklerstunden
–geschätzte Netto-Einsparung (€)
–der Runs werden akzeptiert
–Rollback-Quote
SWE-Benchmarks
Geschätzte Werte — echte Testläufe folgen
Die Werte sind bewusst pessimistisch geschätzt — wir wollen lieber zu tief stapeln, als etwas zu versprechen, was Argo (noch) nicht zuverlässig leistet. Gezeigt wird jeweils die Lösungsrate: der Anteil der Benchmark-Aufgaben, die vollständig korrekt gelöst wurden — kein Zeitvergleich zu anderen Modellen und keine Teilpunkte für halb-richtige Lösungen. Es sind begründete Schätzungen, keine gemessenen Ergebnisse: eingeordnet anhand der zugrunde liegenden Modelle, der Orchestrierung und der Verifikationsschicht von Argo — nicht durch tatsächlich ausgeführte Benchmark-Läufe. Reale Testläufe sind wegen der potenziell hohen API-Kosten (viele Modellaufrufe pro Aufgabe) zunächst zurückgestellt und folgen zu einem späteren Zeitpunkt.
SWE-bench Verified
SWE-bench Lite
LiveCodeBench
Terminal-Bench
CMA-BenchCMA-Bench auf GitHub ansehen
Ultracode befindet sich noch in aktiver Entwicklung — die Werte sind vorläufige Schätzungen.
Schätzwerte, keine Messwerte — echte Benchmark-Läufe sind aus Kostengründen zurückgestellt und werden nachgereicht, sobald sie vorliegen.
Blog
Blog: Entwicklung live mitverfolgen
Woran wir gerade arbeiten, welche neuen Techniken wir einsetzen und was sich im letzten Update getan hat.
Positionierung
Kein Chatbot. Ein künstliches Softwareteam
Ein einzelner Agent liefert schnell eine plausible Lösung. Plausibilität ist aber nicht Verlässlichkeit. Argo behandelt Planung, Umsetzung, Prüfung und Freigabe als getrennte Verantwortlichkeiten — wie ein gutes Team.
Autonomie mit Leitplanken
Änderungen entstehen erst als Patch in einer isolierten Umgebung und werden erst nach Prüfung übernommen. Du legst fest, was Argo automatisch darf — kritische Aktionen bleiben immer gesondert geschützt.
Jede Entscheidung hat eine Spur
Jeder Run protokolliert, was passiert ist: welcher Kontext, welches Modell, welche Kosten, welche Prüfung. Auch Monate später lässt sich nachvollziehen, warum eine Entscheidung getroffen wurde.
Arbeitsweise
Von der Anforderung zum geprüften Ergebnis
Du beschreibst ein Ziel in natürlicher Sprache. Argo erzeugt daraus einen Plan, orchestriert die passenden Agenten und liefert ein Ergebnis, das nicht nur fertig aussieht, sondern geprüft wurde.
- Scheduler und Replanner entscheiden, welche Agenten und Modelle wirklich nötig sind
- Unabhängige Verifizierer prüfen Ergebnisse, statt sie nur zusammenzufassen
- Kontextpakete liefern gezielt die relevanten Teile großer Codebasen
- Git-Modus: Commits, Branches und PR-Beschreibungen aus der geleisteten Arbeit
CEO-KI
Aufgabe verstehen, Plan und Task-Graph erstellen
Aufgabe verstehen, Plan und Task-Graph erstellen
Agenten-Team
Architektur, Entwicklung, QA, Doku — mit strukturierter Deliberation
Architektur, Entwicklung, QA, Doku — mit strukturierter Deliberation
Verifikation
Tests, Reviews, unabhängige Prüfinstanzen, Reparaturläufe
Tests, Reviews, unabhängige Prüfinstanzen, Reparaturläufe
Ergebnis
Geprüfte Patches, Begründungen und vollständige Audit-Spur
Geprüfte Patches, Begründungen und vollständige Audit-Spur
Wirtschaftlichkeit
Die richtige Kennzahl: Kosten pro akzeptiertem Ergebnis
Argo verbraucht für einen Auftrag oft mehr Token als ein einzelner Chat — und ist trotzdem günstiger. Routinearbeit läuft auf günstigen oder lokalen Modellen, teure Spitzenmodelle werden nur dort eingesetzt, wo ihr Mehrwert die Mehrkosten rechtfertigt.
- Intelligentes Modell-Routing über Preisklassen hinweg, mit erklärbarer Modellwahl
- Budgets, weiche und harte Kostenlimits, Simulation vor dem Start
- Weniger Anläufe, weniger Nacharbeit, weniger Review-Zeit — die teuerste Ressource ist menschliche Arbeit
Routine
Kontextsuche, Doku, einfache Prüfungen → günstige oder lokale Modelle
Kontextsuche, Doku, einfache Prüfungen → günstige oder lokale Modelle
Anspruchsvoll
Architektur, komplexe Implementierung, Fehleranalyse → starke Modelle
Architektur, komplexe Implementierung, Fehleranalyse → starke Modelle
Absicherung
Verifikation und Eskalation nur, wo sie messbaren Nutzen bringt
Verifikation und Eskalation nur, wo sie messbaren Nutzen bringt
Nächster Schritt
Bessere Ergebnisse mit weniger Aufsicht
Weniger Nacharbeit, weniger Review-Zeit, mehr Vertrauen ins Ergebnis — das ist der Unterschied zwischen einem Agenten und einem Team.