Neuere Fortschritte in der von Sprachmodellen geleiteten evolutionären Berechnung, insbesondere AlphaEvolve (Novikov et al., 2025; Georgiev et al., 2025), haben beachtliche Erfolge bei der Entdeckung neuer mathematischer Konstruktionen und der Lösung anspruchsvoller Optimierungsprobleme gezeigt. Die hochlevel-Descriptionen in den veröffentlichten Arbeiten lassen jedoch viele Implementierungsdetails ungenau, was die Reproduzierbarkeit und weiterführende Forschung erschweren. In diesem Bericht stellen wir GigaEvo vor, einen erweiterbaren, quelloffenen Framework, der Forschern die Untersuchung und Experimentation mit hybriden, von Sprachmodellen gestützten evolutionären Ansätzen ermöglicht, die sich an AlphaEvolve orientieren. Unser System bietet modulare Implementierungen zentraler Komponenten: MAP-Elites-Qualität-Diversität-Algorithmen, asynchrone, DAG-basierte Auswertungspipelines, LLM-gesteuerte Mutationsoperatoren mit Erkenntnisgenerierung und bidirektionaler Linienverfolgung sowie flexible Multi-Island-evolutionäre Strategien. Um Reproduzierbarkeit zu überprüfen und unsere Implementierung zu validieren, evaluieren wir GigaEvo an anspruchsvollen Problemen aus dem AlphaEvolve-Papier: der Heilbronn-Dreiecksplatzierung, der Kreispackung in Quadraten sowie hochdimensionalen Kusszahlen. Der Framework betont Modularität, Konkurrenzfähigkeit und Benutzerfreundlichkeit für Experimente und ermöglicht durch deklarative Konfiguration eine schnelle Prototypenerstellung. Wir liefern detaillierte Beschreibungen der Systemarchitektur, Implementierungsentscheidungen und experimentellen Methoden, um die weitere Forschung in der von Sprachmodellen getriebenen evolutionären Methoden zu unterstützen. Der GigaEvo-Framework und sämtlicher experimenteller Code sind unter https://github.com/AIRI-Institute/gigaevo-core verfügbar.