ripple-65b 本地实测：得分高低取决于踩坑次数而非首稿质量
Ok-Brush8377 · reddit · 2026-11-07
- 作者在 64GB MacBook Pro 上用 llama.cpp(q4km)本地跑 ripple-65b-preview,通过 atomic agent 完成 5 部分 Python 应用,由 50 个隐藏测试评分,共跑 3 次:38、49、27 分(对照组 qwen 3.8 27b 为 27/29/13)。
- 两个模型习惯相同:读完文件后一次性写出 363442 行完整应用(约 5 分钟,12.6 tok/s)。区别在写完后:ripple 每次都运行代码(27b 只跑 02 次),但停在第一个能跑通的命令上就宣布完成。
- 得到 49 分的 run 2 恰好早期倒霉:CSV 分号表头崩溃、修复又引入缩进错误、多次编辑未生效,于是它被迫连续做了 24 个「编辑-读取-运行」短步骤,反而修好了大部分隐藏测试检查的问题。结论:分数跟随遇到错误的数量,而非首稿质量。
- atomic agent 的循环检测 WARN(rereading 同一行)也出现在日志里。作者坦承自己是 atomic agent 开发者,并提醒这是 preview 模型,样本仅 3 次。
- 文末求助:有没有 prompt 能让本地模型在宣布完成前先测试边界情况,而不是停在第一次绿灯?
「编程与Agent」频道最新
- 事故响应 Agent 实战:为什么只存失败经验而不信记忆系统 — noufal_rizwan · 2026-11-07
- 客服挂断后 AI 留在线上追问一句，把通话纪要变成可执行任务 — gsuiteautomations · 2026-11-07
- 清华 Coca-Cola 压缩 Agent 工具输出,token 省 89% 性能反升 — Tsinghua · 2026-11-07
- ComfyUI-freefield 侧边栏集成 117 个现成工作流,一键下载模型并运行 — neuregex · 2026-11-07
- 自建 Agent harness 总在微观管理?Reddit 开发者求解长任务失控难题 — dangerous_inference · 2026-11-07
- 十年工程外包公司老板复盘:小团队出活,拒单30%,客户专家必须在场 — alex_verem · 2026-11-07