实测 M3.1-Flash:多步 agent 任务几乎不用人工纠偏

Positive-Page1631 · reddit · 2026-10-20

一位 Reddit 用户分享了低成本 agent 模型 M3.1-Flash 的上手体验。相比此前的 Space Bunny 版本,该模型在真实工作流中能力明显提升,多步任务能持续推进而很少需要人工纠正,让他印象最深的不是速度而是中途不打断的稳定性。

他下一步计划专门测试其 Computer Use 能力:故意在浏览器任务进行到一半时改变页面、弹出意外窗口或让原计划无法完成,观察模型能否识别变化并重新规划路径,而不是机械地继续执行原指令。目前仍是早期测试,作者在征集其他用户的对比体验。