一个较小的模型，如果配备了正确的任务特定框架，就能击败一个更强的模型。

新论文介绍了 JIT-Agent，它采用了这种方法：它按需生成代理框架，选择内存、规划、动作、工具和技能如何为特定任务工作。

配备 JIT-Agent 的 DeepSeek-V4-Flash 在 DeepSearchQA 上得分 85.1，而 GPT-5.6 为 76.0。

这一变化足以显著提升相同骨干模型。在 18 个匹配的骨干-基准对中，每个 JIT 生成的框架都提升了底层模型；9 个基准的平均分对于 GLM-5.2 提高了 7.7 分，对于 DeepSeek-V4-Flash 提高了 8.8 分。

这不仅仅是更多的推理。在与固定框架（如 Claude Code、Codex、OpenCode、Hermes 和 NanoBot）的受控比较中，JIT-Agent 在所有 6 种设置中具有最低的令牌使用量和 API 成本，平均成本比最便宜的固定替代方案低 36.0%。

– arxiv. org/abs/2608.25593

标题："JIT-Agent：通过即时框架演化扩展框架智能"

http://t.cn/AX0fHjAM