跳到主要內容
2026-10-26 日報
研究與評測

開源框架 GVS5H 以多實例協同,讓 Qwen3.8-27B 在 LiveCodeBench Hard 達 92.4% 匹敵 Fable 5

Hacker News單一來源
核實資料不足

目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。

查證回合用盡,未形成有依據結論

開源專案 GVS5H 提出「帳本式零樣本自我編排」(ledger-based zero-shot self-orchestration)框架,使 5 個 Qwen3.8-27B 模型實例在 LiveCodeBench 最新 100 道 Hard 題目的 pass@1 達到 92.4%,匹敵 Claude Fable 5 的 90.4%。該架構完全無需訓練,透過同一模型的全新實例分解任務,並經由包含計畫、筆記與當前解答的共享檔案系統進行跨實例協調,效能增益主要歸功於問題分解與持久化上下文。在測試的 11 款模型中,該方法在固定後端最高帶來 25.6 個百分點的提升;本地部署的 Qwen3.8-27B 從單次調用的 66.8% 攀升至 92.4%,而 Qwen3.8 Flash Next 則達到 93.0%,推論成本僅 Fable 5 的 9%。不過增益並非普遍適用,部分模型表現維持不變甚至下滑。專案程式碼已採 MIT 授權開源,論文與執行資料採 CC BY 4.0 釋出。
讀原始報導

背景

LiveCodeBench 是一個評估大型語言模型程式編寫能力的評測基準。該基準透過持續從各類競賽中收集新題目,以提供全面且防止資料污染的程式碼生成能力評測。

社群討論

社群對透過檔案共享狀態的多 Agent 協作架構與本機低成本部署潛力表示肯定(如量化後能以 24GB VRAM 跑 131k context),但強烈質疑評測的真實性,批評該基準包含 2023 至 2025 年間 1,055 道問題恐有資料污染,且在零工具基準上外掛 Agent 回圈有刷分與過度擬合之嫌。實測者亦指出 Qwen3.8-27B 有過度思考的缺陷,曾耗費 32K tokens 推理卻未產出計畫,即使關閉思考每題仍需約 3 分鐘(100 題耗時約 1.5 小時)。

這則事件的發展

  1. 2026-10-20社群實測消費級硬體推論 Qwen3.8:2× RTX 5070 Ti 達 379 tok/s,千歐性價比大幅超越 5090

來源