待验证50% 置信基准精确时间

在 τ²-Bench 上，SpecAgent 的成功率与强模型相差不到一个百分点，同时内存流量和墙钟时间大约减半。

1

来源数

50%

置信度

长期有效

时效性

2026/10/16

首次发现

来源

SpecAgent：让强模型做审稿人，工具智能体推理成本减半

rss2026/10/15

涉及实体

SpecAgentconcept τ²-Benchconcept

相关事实

待验证FastEmbed-rs所使用的量化模型在MTEB基准测试中相比全精度模型的性能下降通常控制在1-2%以内70% 相似待验证第290轮时损失出现反弹（+0.002），表明模型可能已接近当前配置的性能上限70% 相似待验证小模型对相比原始模型对下载体积减半、峰值内存降低约 35%，但在该试验中完整回合反而更慢。69% 相似待验证406M模型峰值推理显存不到1.2B系统的一半，参数量约为其三分之一，在效果上旗鼓相当68% 相似待验证Cognition表示SWE-2在其自有编程测试中的得分与Anthropic的Claude模型仅相差一分，成本却低64%68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1046817

API

curl https://kongchang.com/api/v1/knowledge/claims/1046817

MCP

get_claim(id=1046817)