同一 10k token 预算:适配器解 51% TB-2.1,基座 xhigh 只解 28%

yb2698 · x · 2026-11-19

这是 Qwen3.8-27B Hermes 适配器作者的补充数据,聚焦 thinking 与 no-thinking 对比:在每任务 10k token 预算内,适配器解出 51% 的 TB-2.1 任务和 39% 的 SWE-Bench Pro,而基座模型开 xhigh 思考只解出 28% 和 0%。在两者都能解决的任务上,中位工具调用次数从 23 降到 7(TB-2.1)、从 63 降到 28(SWE-Bench Pro)。作者还附了一个真实 SWE-Bench Pro 案例演示:基座弄坏测试文件并耗尽 100 步预算,适配器只用 35 次工具调用修复 bug 并通过全部场景。

所属事件:Hermes 适配器实测:同预算解题率远超基座模型(2 条相关)→

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →