实测 99 项任务:Qwen3 4B 裸循环得 70 分,套 LangChain 反跌至 55 分

SeveralSeat2176 · reddit · 2026-11-18

一位开发者用 99 项 agent 任务基准(工具链、SQL、检索、文件、多轮对话,校验器读取工具留下的状态而非模型回复)对比了不同 harness 下 Qwen3 4B 的表现:

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →