AI模型在Agent编码基准测试中达到90%，部分成本极低

一项最近的基准测试评估了148个模型在Agent编码任务上的表现，其中Qwen3 Coder 30B A3B和最初的DeepSeek Chat两个模型达到了90%的成功率。Qwen3 Coder模型以0.0004美元的成本在28秒内完成了任务，而DeepSeek Chat则花费了0.0018美元，耗时59秒。Liquid的LFM 2 24B A2B在十项任务中以0.0002美元的成本获得85%的得分，成为最具成本效益的模型。 AI

影响 凸显了编码Agent模型在成本效益方面的显著提升，可能降低复杂AI任务实现的门槛。

排序理由 这是对多个AI模型在特定任务上的基准评估，而非新前沿模型的发布或重大的行业事件。[lever_c_demoted from research: ic=1 ai=1.0]

在 dev.to — LLM tag 阅读 →

• Aion 1.0
• Baidu Ernie 4.5 300B
• Claude Opus 4
• Cydonia 24B V4.1
• DeepSeek Chat
• LFM 2 24B A2B
• MiniMax M2 Her
• Mistral Small 3.2
• OpenRouter
• Qwen3 14B
• Qwen3.7 Max
• Qwen3 Coder 30B A3B
• TheDrummer

• 模型发布
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →