同分模型行为却大不同

Nilofer_tweets · x · 2026-07-10

文章指出，Claude 和 Ornith 在同一组测试中分数相同，但行为差异很大：一个模型反复触发 turn cap、消耗 2.73 美元 API 费用，并在同一文件上重复调用 write_file；另一个则更顺利完成任务。