Sonnet 5.5(max) 三轮长跑:单轮 1833 turns、最长 6.5 小时、花费 $192

PawelHuryn · x · 2026-09-30

PawelHuryn 公布 Sonnet 5.5 (max) 在两个仓库上第三轮自主 agent 长跑数据,三轮结果差异显著:

分数与轮次/耗时并未正相关:Run 3 跑了最多 turns、耗时最久、花费最高,得分反而最低,凸显长程自主任务的高方差与成本不可预测性。作者还发布了 score vs. turns 的对数刻度可视化,模型可在筛选器中调整对比。

所属事件:Bug Hunt Bench:Sonnet 5.5 以 55.5 分领先但成本高企(5 条相关)→

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →