4B 本地模型 agent 实测翻车:2/5 得分未过 Extended 门槛
draginol · x · 2026-11-08
draginol 继续其本地 AI 基准实测:让 4B 模型(gemma-4-E4B-it-qat-q40)尝试最高难度的 Extended 多步 agent 任务,结果失败。判定截图显示得分 2/5、解码 61.5 tok/s,而 Extended 模式要求 4/5 任务通过且 15 tok/s 以上,结论「尚未达到 Extended 模式要求」。作者随后表示将换更小的 @ornith 模型继续测试。
「模型」频道最新
- giffmana 质疑缩放论文零节省：无缩放趋势也无 FLOPs 对齐 — giffmana · 2026-11-08
- MaxxBench 遭批：刻意混淆刷榜与模型真实适应能力 — teortaxesTex · 2026-11-08
- Berton 质疑 JEPA 规模化前景：LeJEPA 比 JEM 更早进入平台期 — gabriberton · 2026-11-08
- 爆料称 OpenAI 直到全新预训练完成后才发布 GPT-6 Astra — haider1 · 2026-11-08
- 1B-8B 六个开源模型实验:持续预训练能否更新模型事实知识 — burkov · 2026-11-08
- 博主预测:明年将有 1000 tokens/秒的 GPT-6.2 级智能 — ChrisGPT · 2026-11-08