自创「先冻结服务再解题」法，Codex 首破 Terminal-Bench 零通过任务
Present-Quantity-813 · reddit · 2026-08-19
作者写了一个方法交给 Codex，通过了 Terminal-Bench 3.0 上的 ico-path-patch 任务——该任务公开记录中 59 次运行、横跨 11 种模型与 agent 配置，通过次数为零；作者所用的同款模型 gpt-5.6-sol(最大推理力度)公开记录中 5 次全败。作者的一次运行在 90 分钟限时内 19 项检查全部通过。
方法核心：该任务要求二进制逆向 + 热补丁，19 项检查全有或全无。关键差异在于 agent 不直接解题，而是先为任务构建一个小型服务并冻结，之后通过这个服务解题，避免每过几轮就重新推导约束。
动机：长运行中 agent 对自身状态的认知会逐渐偏离实际位置。作者在运行自己的多智能体系统时总结出这套漂移理论，并因系统内一个 agent 自发用该理论诊断自身漂移而将其固化为方法。
作者的态度：欢迎他人复现——可用自己的技术栈跑(更能说明问题)，也可用作者的免费步骤；作者自己尝试 4 次才通过一次，且没有「只给构建阶段、不给方法文本」的对照运行，因此「任意构建阶段都有效」这一替代解释尚无法排除。
所属事件:Codex 用自创方法首破 Terminal-Bench 零通过任务(2 条相关)→
「编程与Agent」频道最新
- Kinex 发布：让编码 Agent 直接操控任意实体机器人并从每次运行中学习 — daibond_alpha · 2026-10-16
- Every 发布 8000 字 Codex 编年史：深访创始团队并支持 agent 协作阅读 — danshipper · 2026-10-16
- 开发者 4 天重写 GitHub:Keel 让 Agent 先声明意图再改代码 — threepointone · 2026-10-16
- 小模型当裁判又塞满上下文：eval 常见反模式遭吐槽 — xeophon · 2026-10-16
- Meta 开放权重模型 Muse Spark Open 上架 Ollama：1M 上下文、可接 Claude Code — ollama · 2026-10-16
- Monid 上线：一个余额按次调用 1700+ 工具的 Agent 工具注册平台 — HeyAmit_ · 2026-10-16