实测打脸：小模型 Agent 成功率反超部分旗舰

一份覆盖 12 个模型的实测显示：指令明确的多步工具调用任务里，小模型的成功率反超部分旗舰模型。上下文管理能力而非参数量，成为 Agent 的分水岭。

一份覆盖 12 个主流模型的多步工具调用实测给出了反直觉结果：在指令明确的 Agent 任务上，几个轻量模型的成功率反超旗舰模型。

研究者归因于上下文管理：旗舰模型倾向于“多想”，在长任务中累积的自我纠正反而污染上下文；小模型更倾向严格遵循指令，步步为营。

实践建议：Agent 系统的默认路由可以按任务复杂度分级——明确流程的任务用小模型（更快更便宜更稳），开放规划类任务再升级到旗舰，成本可下降 60% 以上。

本文为编辑摘要与评述，原始报道见 Hacker News。 版权归原出处所有。