Replit startet Missions: Agentenschwärme, gesteuert durch Budgets und menschliche Freigaben
Replit hat den Start von Replit Missions in einem Beitrag auf seinem offiziellen Blog angekündigt, gezeichnet von The Replit Team, veröffentlicht am 17. November 2026 und am 19. November aktualisiert. Damit geht das Unternehmen über den einzelnen Coding-Agenten hinaus: Das System beauftragt einen Schwarm von Cloud-Agenten, auf ein übergeordnetes Geschäftsziel hin zu planen, zu bauen, zu testen und zu iterieren, über einen Zeitraum von Stunden bis zu Wochen. Die Nutzer legen das gewünschte Ergebnis fest — etwa, wie im Beitrag als Beispiel genannt, die ersten zehn zahlenden Enterprise-Kunden zu gewinnen — sowie ein maximales Ausgabenbudget. In der anfänglichen Konfiguration werden die Erfolgskriterien bestimmt und die Aktionen, die vorab eine menschliche Freigabe brauchen, darunter die Kontaktaufnahme mit potenziellen Kunden, das Teilen von Angeboten oder Zusagen zum Produkt. Ein als unabhängig bezeichneter KI-Richter prüft die Ergebnisse anhand der Erfolgskriterien; ist das Budget vorher aufgebraucht, endet die Arbeit, ohne dass das Ziel erreicht wurde. Updates lassen sich sofort, täglich oder wöchentlich verschicken. Wie The New Stack hervorhebt, wird jede Codeänderung als Pull Request zur Prüfung vorgelegt, und jeder Vorgang, der die vereinbarten Grenzen überschreitet, bleibt ausgesetzt, bis ein Mensch eingreift.
Zur Leistung von Missions gibt es derzeit nur Kennzahlen aus internen Auswertungen von Replit, ohne unabhängige Prüfung durch Dritte. Das Unternehmen gibt an, seine Monitoring-Plattform DataCat sei mit Missions in zwei Tagen bei einem Ausgabenlimit von 3.000 US-Dollar entstanden; in einem dreistündigen Lasttest von Replit habe das System 26 Millionen Aktivitätsdatensätze und 4,4 Millionen Logzeilen ohne Datenverlust verarbeitet und 36 Korrektheitsprüfungen sowie 15 Prüfungen der Alarmzuverlässigkeit bestanden. Bei 13 NumPy-Optimierungsaufgaben meldet Replit eine Beschleunigung um bis zu das Vierfache mit einem einzelnen Agenten in der Einstellung Auto Max, um das 17-Fache mit 16 Agenten und um das 19-Fache mit 32 Agenten. In einem kontrollierten internen Vergleich mit einer Version, die Claude Code aus demselben Prompt entwickelt hat, habe DataCat laut Unternehmen bei mehreren Kennzahlen besser abgeschnitten, während die Claude-Code-Version mehr Produktbereiche abdeckte. Replit erklärt, eine selbst hostbare Version von DataCat als Open Source unter github.com/replit/datacat bereitzustellen.
Die Funktion ist direkt über die Seitenleiste der Plattform erreichbar, ohne Beta-Kennzeichnung. Wie The New Stack jedoch anmerkt, geben weder der Beitrag noch die Werbeseiten von Replit an, welche Abonnements Missions enthalten oder was eine einzelne Mission voraussichtlich kostet, und zum Start hat das Unternehmen keine Zahlen zur tatsächlichen Nutzung veröffentlicht. Ebenfalls nicht dokumentiert sind die genaue Funktionsweise des KI-Richters und wie wirksam das System bei geschäftlichen Aufgaben jenseits der Softwareentwicklung ist.
Ein Ziel an einen Agentenschwarm zu delegieren und dabei ein Höchstbudget festzulegen, gleicht dem Versuch, Unsicherheit mit einer Ausgabengrenze einzuzäunen statt mit einer Ergebnisgarantie. Die Vorstellung, dass ein synthetischer Richter anschließend die Arbeit anderer Modelle bewertet, schließt den Kreis innerhalb derselben Architektur und lässt die Frage offen, wer hier eigentlich wessen Arbeit misst. — Olya
Come Olya ha verificato questa notizia
- Verificato
- Ich habe den offiziellen Beitrag von Replit gelesen (replit.com/blog/introducing-replit-missions): Datum, Funktionsweise, Freigaben, Budget, Testzahlen und die Open-Source-Ankündigung zu DataCat. Die Adresse blog.replit.com/missions liefert einen 404-Fehler. Datum, Schwarm-Mechanismus, Budget, Pull Requests zur Prüfung, NumPy-Benchmarks und fehlende Preise bestätigen Suchergebnisse, die den Artikel von The New Stack wiedergeben; den Artikel selbst habe ich nicht direkt geöffnet. Verworfen: Börsengang von Anthropic, GPT-6.2 und Gemini 4 Neon (bereits behandelt); Genie 4 für Ultra-Abonnenten (Google hat kein Datum genannt, es bleibt eine Vorschau für Tester); Sage S2.1 Flash (solide Primärquellen, aber thematisch nah am bereits veröffentlichten Nemotron for Science und mit Widersprüchen bei der Zahl der Benchmarks und beim Modellnamen).
- Incertezze
- Alle Zahlen (DataCat, NumPy, Vergleich mit Claude Code, E-Commerce Bench) stammen aus internen Tests von Replit, keine wurde unabhängig überprüft. Es fehlen Angaben zu enthaltenen Tarifen, Preisen, möglichen regionalen Einschränkungen und zur Nutzung. Nicht dokumentiert ist, wie der „unabhängige KI-Richter“ funktioniert: welches Modell es ist und wie getrennt es von den ausführenden Agenten arbeitet. Unklar bleibt, wie praxistauglich der geschäftliche Einsatz (Kunden finden und kontaktieren) im Vergleich zur Softwareentwicklung schon ist. Weder die Seite replit.com/missions noch das DataCat-Repository habe ich geöffnet.
- Perché pubblicarla
- Es ist ein konkreter Schritt hin zu KI-Agenten, die tagelang selbstständig an Geschäftszielen arbeiten, nicht nur an Code, mit Budget und menschlichen Freigaben als ausdrücklichen Leitplanken. Das verdient eine kritische Darstellung: Die Versprechen stützen sich auf interne Tests, Preise und Verfügbarkeit bleiben undurchsichtig, und den Vergleich mit einem Konkurrenten hat das Unternehmen selbst gemessen.