待验证50% 置信基准精确时间
在 50 个合成杂务场景上的基准测试中，微调后的 SlothDistill 相比基座 Llama-3-8B，p95 决策延迟从 1,420 ms 降至 185 ms（提升 7.6 倍），平均输出 token 从 412 降至 48（省 88.3%），直接动作准确率从 62.4% 提升至 97.8%，每千任务 API 成本从 $1.85 降至 $0.22（便宜 88.1%）。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/20
首次发现
有效期至：2027/1/18
来源
涉及实体
相关事实
待验证在双 bug Python 函数修复基准（215 个隐藏测试）中，省略 effort（max）平均消耗 6,364 推理 tokens、耗时 56 秒、单次成本 $0.0045；effort=low 平均消耗 591 tokens、耗时 9.5 秒、单次成本 $0.0006。71% 相似待验证把思考 token 预算从 8k 翻倍到 16k，只带来 0.2% 的准确率提升，同时改变了失败题目的分布。70% 相似待验证gpt-oss-120b 在干扰计数任务上每个正确答案花了约25倍的成本，准确率反而低了7.5个百分点（不显著）。70% 相似待验证在5智能体对话集群架构（非结构化Markdown交接）中，规格漂移失败率为48.4%，静默工具错误传播率为79.0%，过早终止率为34.2%，端到端成功率为18.5%。70% 相似待验证研究数据显示，在复杂代码生成任务中，将thinking budget从1024 tokens提升到8192 tokens可以带来15-30%的准确率提升，但推理成本增加4-8倍70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1072942API
curl https://kongchang.com/api/v1/knowledge/claims/1072942MCP
get_claim(id=1072942)