ggufbench 实测:本地模型 agentic 编码,27B 类已够用,125B 未夺冠
Joralk_ · reddit · 2026-10-23
ggufbench 作者发布本地 GGUF 模型 agentic 编码基准：同一 harness 覆盖 18 个工具调用、72 个代码、72 个 agent 任务，每任务跑 3 个种子，采样参数统一，2×RTX 5080。
- 排名意外：MiniCPM-V-4.7-35B（0.85）与 Qwen3.8-27B（0.82）与 125B 的 Qwen3.8-Flash-Next（Strata 引擎，0.80）持平，125B 单项无一夺冠。结论是 agentic 编码的关键杠杆不是模型规模，而是工具调用可靠性，27B 级已饱和。
- 思考模式是税：27B 开启后代码 0.79→0.93、agent 0.90→0.96，但延迟 36ms→629ms、每次调用多 253 个中位 token；建议默认关闭、难题开启。
- 引擎无差异：换用 BigMoeOnEdge 引擎同任务得分 0.920 vs 0.923，但发现其 router hook 会把生成轮次返回为空消息，已提交 issue。
- 局限：消费级 GPU、自建任务集、单机、每模型一种量化。排行榜与仓库开源（jordimarsal/ggufbench）。
所属事件:ggufbench 本地模型实测：35B 编码 Agent 追平 125B(2 条相关)→
「编程与Agent」频道最新
- 编码 Agent 榜单 v2.0 发布：Claude Code 以 61.7 分居首，Max 模式被质疑该剔除 — ryanallred · 2026-10-23
- 南洋理工 RouteWeaver:统一多模式 LLM 路由框架 — NanyangTechnologicalUniversity · 2026-10-23
- 蚂蚁国际提出 Heartbeat Thinking，语音 agent 响应延迟降 36.4% — ant-intl · 2026-10-23
- 开发者驳「vibe coding 致漏洞泛滥」：多数 CVE 出自人写旧代码 — HowDevelop · 2026-10-23
- MOSS-Image 实测 20 种动漫风格，附 ComfyUI 工作流与 SLG 技巧 — SkirtSwimming8950 · 2026-10-23
- Claude 与 Claude Code 合二为一，官方建议：每 6 个月删光你的 CLAUDE.md — rubenhassid · 2026-10-23