北京时间 11 月 19 日更新的《Agent as Policy》预印本补充了一项实机对照。研究者让两种语言模型通过同一个机器人控制框架把四件物体装入箱子,其中 Qwen3.8-Flash-Next 在本地运行。
第四版表 5 报告,GPT-6 Astra 和 Qwen 各进行了五次测试,两者都完成了五次。两组耗时分别为 413.4 秒和 582.2 秒。单看成功次数,两组打平;加上耗时,就能看到这项任务上的差别。
表中只为调用 API 的配置列出了费用。本地模型一栏未给出金额,不能据此推断其运行免费。每种配置只有五次测试,结果的适用范围也限于这套硬件和装箱任务。
配图为 GETAI 原创主题插画。
