同上：Qwen 双模型 TB Lite 实验设置细节与 open-thoughts 基准仓库
yb2698 · x · 2026-10-12
同一线程的实验细节帖：测试覆盖 Qwen3.5-9B（easy 子集 24 题）与 Qwen3.8-27B（easy+medium 共 48 题），基准采用 open-thoughts 的 Terminal-Bench Lite——信号接近 Terminal-Bench 2 但运行成本低得多，对小模型也能给出有效信号。附 GitHub 仓库 OpenThoughts-TBLite（难度校准的终端 agent 基准）。
所属事件:实测 Pi harness 改动难提升 Qwen 跑分(5 条相关)→
「编程与Agent」频道最新
- Nace AI 推出 35B 决策模型 Drex 2.0，3B 激活参数超越 Jev — techNmak · 2026-10-13
- YC 支持的 Sentient OS:本地 AI 整夜读懂你的生活并代操电脑 — Scobleizer · 2026-10-13
- 工程实践:用 pre-push hook 让第二个模型对抗式审查代码再放行 — curious_vii · 2026-10-13
- 把 AI 编码成本追踪到单个 PR：zeeg 的 slop 仪表盘实践 — zeeg · 2026-10-13
- restless_hq 推「自进化 API」:请求携带上下文,Agent 可用实时日志自调试 — cneuralnetwork · 2026-10-13
- 德里 Codex 社区 Meetup:用 Codex 造出一门梵语编程语言 — paw_lean · 2026-10-13