micro1 五个月评估 token 量翻 12 倍，agent 启动从 3 分钟缩到 12 秒
Exp_Mark · x · 2026-11-12
micro1 研究工程团队发文详解其模型评估与 RL 环境基础设施的规模化工程：
- 关键数字：五个月内月 token 消耗量增长 12 倍，运行的环境数量增至 3 倍；worker 启动时间从约 3 分钟降到 12 秒（快 14 倍）。
- 统一抽象：把 Modal 和 Daytona 沙箱封装到同一契约下，切换环境供应商只需改一行配置；一次请求即可完成从环境搭建、执行到打分的全流程，服务自动负责恢复、覆盖率追踪和未测项报告。
- 评估中的隐性坑：如何识别「看似活跃但已停止推进」的 agent 运行、捕获会扭曲 benchmark 分数的基建故障；agent 在沙箱中死掉时记为失败并重试，而不是打零分；新模型发布当天就能以其自身的输出上限和推理配置跑完基准。
文章的核心主张是：评估与 RL 都建立在 rollout（一次任务尝试）之上，工程目标是把 rollout 之外的开销压到最低，「唯一的瓶颈应该是模型本身」。
所属事件:micro1 评测基建五个月扩容 12 倍，agent 启动大幅提速(2 条相关)→
「编程与Agent」频道最新
- 微软工程实践:LLM 提议排期,代码负责验证与兜底 — WirelessLife · 2026-11-12
- 开发者用积木式脚本给街机游戏接 AI 对手：开发易设计难 — ezshine · 2026-11-12
- Gradient Labs 推 Conversations API：让 AI 客服 agent 无头化嵌入银行后端 — neal_lathia · 2026-11-12
- Microsoft Agent Framework for Go 推 agent harness，免重复配置 — adnan_hashmi · 2026-11-12
- 开发者自制 Kimi K3.1 Pro 编码微调数据集，LFM3 版下载量意外爆棚 — alexcovo_eth · 2026-11-12
- 开源 fabric-planning-skill：用 Copilot skill 管理 Microsoft Fabric 计划 — adnan_hashmi · 2026-11-12