The Pulse

Simon Edwardsson addestra un modello da 360 milioni di parametri per simulare un terminale

Simon Edwardsson ha creato WorldTUI, un modello da 360 milioni di parametri che prevede i cambiamenti sullo schermo di un terminale invece di eseguire una vera shell. Quantizzato fino a occupare 208 MB, funziona localmente in un browser e p

AI.info Team · Scritto con l’IA · verificato · 2026-10-22

WorldTUI occupa 208 MB, funziona in una scheda del browser e imita un terminale senza eseguire comandi in una shell. Simon Edwardsson descrive il progetto come un modello da 360 milioni di parametri addestrato a prevedere come cambia lo schermo dopo ogni pressione di un tasto. Può imitare la modifica di file, gli strumenti a riga di comando e i giochi, ma quello che sembra un filesystem è una simulazione appresa, non un vero archivio di file.

Edwardsson ha pubblicato il progetto il 21 ottobre 2026. Il modello parte da Qwen2.5-Coder-0.5B, poi elimina gran parte della tabella originale degli embedding del vocabolario e viene quantizzato a quattro bit. La demo nel browser esegue l’inferenza localmente tramite WebGPU; Edwardsson consiglia Chrome o Edge e afferma che su uno smartphone moderno potrebbe funzionare lentamente.

WorldTUI prevede gli aggiornamenti dello schermo, non i risultati dei comandi

Un modello linguistico convenzionale aggiunge token alla fine di una sequenza di testo. Un terminale, invece, può ridisegnare righe precedenti, spostare il cursore o cambiare modalità in risposta alla pressione di un solo tasto. WorldTUI rappresenta lo schermo come una griglia e prevede quali righe riscrivere e dove posizionare il cursore alla fine.

Il suo vocabolario di 333 token comprende valori di byte, identificatori di riga e operazioni speciali. Un’operazione COPY gli permette di riutilizzare righe della schermata precedente anziché rigenerarle, riducendo il costo di uno scorrimento da circa 96 token per riga a tre. Il modello riceve anche input WAIT a intervalli temporizzati, che gli consentono di prevedere cambiamenti in applicazioni come Snake anche quando non viene premuto alcun tasto.

Edwardsson lo ha addestrato su sessioni sintetiche registrate da programmi reali in esecuzione in container Docker. Le sessioni combinano nomi utente, directory, dimensioni del terminale e attività scelti in modo casuale; il 35% inizia quando un’applicazione è già in uso. Il dataset finale contiene 336.000 episodi, pari a circa 2 miliardi di token, rispetto ai circa 18.000 miliardi di token usati per addestrare il modello di base.

L’autocorrezione ha portato un punteggio benchmark da 24 a 38

La normale digitazione non ha creato difficoltà, ma le sessioni più lunghe hanno messo in luce un problema: un errore iniziale, come un nome di file scritto male, poteva alterare tutto ciò che seguiva. Edwardsson ha adattato un approccio chiamato DAgger, addestrando il modello sugli stati in cui era arrivato da solo e poi insegnandogli a correggere gli errori quando le informazioni necessarie erano comparse in precedenza nella sessione.

Circa un terzo delle sessioni campionate ha prodotto esempi utili per la correzione. Nell’arco di tre cicli, l’autocorrezione e i dati aggiuntivi hanno portato il punteggio di WorldTUI su PresetBench da 24 su 47 a 38 su 47 con precisione a quattro bit. L’addestramento e i successivi perfezionamenti hanno richiesto circa 75 ore di GPU su una RTX 4090.

La velocità ha richiesto una modifica a parte. Generare le righe dello schermo una dopo l’altra faceva durare fino a 12 secondi i ridisegni più estesi sulla RTX 4090. Edwardsson ha scelto invece di prevedere le righe in parallelo e di usare poi lo stesso modello per verificarne il coordinamento; la latenza al 95° percentile per i frame di grandi dimensioni è scesa da 6,7 a 0,87 secondi.

WorldTUI ha superato i modelli guidati da prompt nei suoi test, ma con dei limiti

Su ShellBench, un insieme di 106 comandi distribuiti in 24 sessioni bash scritte a mano, WorldTUI ha prodotto 80 output esatti. Qwen2.5-Coder-0.5B guidato da prompt ha ottenuto un punteggio di 52 e Qwen3-0.6B guidato da prompt di 60. Nel confronto riportato sulla rilettura dei file, WorldTUI ha ottenuto 9 su 13, contro rispettivamente 2 su 13 e 3 su 13.

Questi confronti non riguardano compiti identici: i modelli guidati da prompt hanno ricevuto ciascuno tre esempi svolti e prevedono l’intero output dei comandi, mentre WorldTUI prevede gli aggiornamenti dello schermo dopo la pressione di ogni singolo tasto. Edwardsson segnala anche fallimenti evidenti. Per esempio, dopo aver aggiunto una riga con echo green >> colors, il comando simulato cat colors spesso non la mostra.

«Per un modello da 360 milioni di parametri che funziona in una scheda del browser, è molto meglio di quanto mi aspettassi», scrive Edwardsson. Afferma che la demo riesce a gestire vim, tmux, Python e Snake, ma perde il filo delle directory annidate e fornisce risultati inaffidabili nei compiti Python più difficili. Il prossimo test proposto da Edwardsson è verificare se l’addestramento su migliaia di applicazioni generate casualmente possa aiutare un modello a prevedere il comportamento di un’applicazione che non conosce a partire dai suoi controlli e dal contesto.

Il prossimo test è un’applicazione che il modello non ha mai visto

WorldTUI è una piccola dimostrazione di uno stato appreso, non un sostituto di un terminale: non ha una vera shell, non ha accesso a internet e non dispone di un filesystem affidabile. La sua demo nel browser è disponibile come download da 208 MB, mentre Edwardsson afferma di avere intenzione di pubblicare i pesi del modello in seguito. Resta da verificare se l’approccio possa generalizzare oltre i programmi rappresentati nelle sessioni di addestramento.