实测:Luna 6 全面不如 5.6,便宜 50% 却漏报关键信息
skilliard7 · reddit · 2026-09-23
一位维护 agentic 数据报告工具的开发者发帖称，Luna 6 相比 Luna 5.6 是“大幅退步”。他原本被 Luna 6 略好的跑分和便宜 50% 的价格吸引，用 high effort 档做了 A/B 测试后得出结论：
- 所有涉及审阅书面报告、找出相关条目的 eval，Luna 6 都会漏掉一条或多条相关项，5.6 则不会；
- Luna 6 明显更“惜字如金”，倾向用最少 token 回答，经常只说“找到 7 条”而不列出内容，逼用户追问；
- 多个用例下找不到任何一例 Luna 6 答得比 5.6 好。
作者决定在自己的应用中继续留在 Luna 5.6。帖子核心信息：基准分数与实际 agent 工作流表现可能严重脱节，升级前务必用真实任务做 A/B。
「编程与Agent」频道最新
- Plurai 推出 Agent 仿真平台：从代码库构建数字孪生自动找故障 — thisguyknowsai · 2026-11-11
- 0xJeff:x402 的真正短板在企业级,大钱在 B2V 而非机器互付 — 0xJeff · 2026-11-11
- 开发者自建 git 网页应用被 Codex 安全护栏误判为网络安全风险 — brianmichel · 2026-11-11
- 形式化验证让 AI 编码更快：Lean 证明成为 agent 优化护栏 — bigdata · 2026-11-11
- Orchestrator v0.14.11 发布：统一管理散落各处的 AI 编程会话 — julianweisser · 2026-11-11
- DeepSeek 开源编码 agent DSH 登上 HF Harness 榜，五项评测并列第一 — TheZachMueller · 2026-11-11