Tessera-27B-B-CJK-RL nutzt komprimiertes Denken für effiziente Coding-Agenten

ZelligeAI hat Tessera-27B-B-CJK-RL veröffentlicht, ein spezialisiertes Open-Weight-Coding-Agent-Modell, das auf der Qwen3.8-27B-Architektur basiert. Die am 6. November 2026 veröffentlichte Beta-Version führt einen einzigartigen internen Reasoning-Mechanismus ein, der Denkprozesse unter Verwendung einer Mischung aus Englisch, chinesischen Schriftzeichen und Symbolen komprimiert. Das Modell zielt darauf ab, hohe Leistungsfähigkeit bei Wettbewerbsmathematik und Codierungsaufgaben beizubehalten, während es gleichzeitig die Anzahl der pro Agent-Turn generierten Tokens erheblich reduziert.

Was passiert ist

Das neue Modell ist eine Weiterentwicklung des zuvor veröffentlichten Tessera-27B-B-CJK. Es durchläuft acht zusätzliche Updates im Reinforcement Learning, die sich speziell auf Mathe- und Code-Probleme konzentrieren. Dieser Trainingsprozess führt zu einem Modell, das mehr neuartige Wettbewerbs-Mathematikprobleme löst als sein Vorgänger. Entscheidend ist, dass es die meisten Effizienzgewinne behält, die mit der ursprünglichen Tessera-Linie verbunden sind, welche so konzipiert war, dass sie pro Turn weniger denkt als Standard-Basismodelle.

Die Veröffentlichung umfasst mehrere Repository-Optionen für Entwickler. Das Hauptangebot ist ein Satz zusammengeführter bf16-Gewichte mit einer Gesamtgröße von 55,6 GB. Für diejenigen, die parameter-effiziente Fine-Tuning-Ansätze bevorzugen, steht ein 1,09 GB großer PEFT-Adapter zur Verfügung. Das Team stellt auch GGUF-Formate mit fünf Unsloth-Layout-Replika-Quantisierungen sowie einen NVFP4-Checkpoint bereit, wobei diese letzteren Formate noch nicht vollständig evaluiert wurden. Alle Dateien sind unter Apache-2.0 lizenziert, was dem Basismodell entspricht.

Wie es funktioniert

Die Kerninnovation liegt im internen Monolog des Modells, der sogenannten "think"-Phase. Anstatt ausführliche englische Reasoning-Schritte zu generieren, verwendet Tessera-27B-B-CJK-RL eine komprimierte Kurzform, die chinesische Schriftzeichen, englische Wörter und Symbole mischt. Diese Methode ermöglicht es dem Modell, komplexe logische Zustände mit weitaus weniger Tokens darzustellen. Beispielsweise könnte ein typischer Agent-Turn nur 45 Tokens verwenden, um Test-Suite-Ergebnisse und Linting-Status zu beschreiben, während das Basismodell 158 Tokens für denselben Zustand benötigte. Trotz dieser Kompression bleiben endgültige Antworten und Tool-Aufrufe in normalem Englisch und Code, was die Nutzbarkeit für Entwickler sicherstellt.

Das Training begann mit dem LoRA-Adapter Tessera-27B-B-CJK und wandte acht Runden Reinforcement Learning auf der Tinker-Plattform an. Jedes Update samplete sechs Rollouts für spezifische Mathe- und Code-Probleme und optimierte auf Korrektheit und Sauberkeit, während übermäßige Länge im Vergleich zum Basismodell bestraft wurde. Der Vorteil jedes Rollouts wurde über seine Thinking-Tokens verteilt, um zu verhindern, dass lange Sequenzen die Gradient-Updates unverhältnismäßig stark beeinflussen. Die finalen LoRA-Paare wurden in die bf16-Gewichte des Basismodells integriert, wobei die Verifizierung minimale Abweichungen von der Leistung des nicht zusammengeführten Adapters zeigte.

Wichtige Details

• Das Modell erzielt 108 korrekte Lösungen bei 126 Versuchen auf AIME- und HMMT-Februar-2026-Problemen, eine Verbesserung gegenüber den 97 der vorherigen Version.
• Das Denken pro Agent-Turn beträgt ungefähr das 0,67-fache des Basismodells, wodurch erhebliche Effizienzgewinne erhalten bleiben.
• Die Veröffentlichung umfasst zusammengeführte bf16-Gewichte (55,6 GB), einen LoRA-Adapter (1,09 GB) sowie ungetestete GGUF- und NVFP4-Varianten.
• Das Training nutzte acht RL-Updates mit einer Lernrate von 2e-5 und bewertete Rollouts basierend auf Korrektheit und Längen-Effizienz.
• Empfohlene Inference-Einstellungen beinhalten reasoning_effort="xhigh", Temperatur 1.0, top-p 0.95 und top-k 20.
• Das Modell basiert auf Qwen/Qwen3.8-27B und verwendet den Standard-Tokenizer und Chat-Template.

Warum es wichtig ist

Für Ingenieure, die autonome Coding-Agenten entwickeln, wirkt sich die Token-Effizienz direkt auf Latenz und Kosten aus. Durch die Kompression des internen Reasonings in eine dichte mehrsprachige Kurzform reduziert Tessera-27B-B-CJK-RL die Rechenlast pro Entscheidungsschritt, ohne die Ausgabequalität zu opfern. Dies ermöglicht es Agenten, innerhalb engerer Kontextfenster zu operieren, wie etwa dem getesteten 64K-Token-Limit, bei dem das neue Modell deutlich seltener aufgrund von Truncation scheiterte als sein Vorgänger. Dieser Effizienzgewinn ist entscheidend für die Skalierung von Agent-Workflows, die umfangreichen Tool-Gebrauch und Verifikation erfordern.

Darüber hinaus deutet die verbesserte Leistung bei Benchmarks für Wettbewerbsmathematik auf bessere allgemeine Reasoning-Fähigkeiten hin. Obwohl das Modell für Coding spezialisiert ist, korreliert die Fähigkeit, komplexe mathematische Probleme zu lösen, oft mit stärkerer logischer Deduktion bei Software-Engineering-Aufgaben. Entwickler können dieses verbesserte Reasoning für Debugging, Algorithmusdesign und Planung komplexer Systemarchitekturen nutzen, sofern sie die Inference-Parameter korrekt konfigurieren, um den komprimierten Thinking-Modus auszulösen.

Was Sie tun können

• Stellen Sie die zusammengeführten bf16-Gewichte mit vLLM 0.31 oder transformers 5.17 für lokale Inference bereit.
• Konfigurieren Sie Chat-Templates mit reasoning_effort="xhigh", um den optimierten Denkprozess zu aktivieren.
• Verwenden Sie Temperatur 1.0, top-p 0.95 und top-k 20, um die Evaluationsbedingungen zu entsprechen.
• Entfernen Sie vergangene "think"-Tokens aus dem Verlauf bei Multi-Turn-Konversationen, um Kontextplatz zu sparen.
• Testen Sie den LoRA-Adapter, wenn Sie parameter-effizientes Laden dem Zusammenführen von Gewichten vorziehen.
• Vermeiden Sie die Abhängigkeit von den ungetesteten GGUF- oder NVFP4-Checkpoints für Produktionsumgebungen bis zur weiteren Validierung.