爱可可-爱生活
26-11-19 07:51 微博认证:AI博主 2025微博新锐新知博主

「会修 bug,不等于会立刻下手」一篇很有意思的实测,拿 GPT-6 Astra 和 Gemini 4 Carbon 做代码修复对比,问题不在“能不能找到原因”,而在“找到以后多久开始改”。文中的样本里,Astra 1 分钟内定位原因,3 分钟后就写出修复;Carbon 大约 6 分钟找到原因,却又多花了 25 分钟才真正动手。作者随后做了个更巧的验证:每隔 5 轮强制追问一次“你现在是不是已经有足够信息可以修了?”结果 Carbon 总时长从 37 分钟降到 28 分钟,确认问题更像是行为策略偏保守、过度继续探索,而不单是知识不足。这篇文章的价值,不是简单下结论说谁强谁弱,而是把智能体一个常被忽略的成本讲透了:很多时候拖慢效率的,不是不会,而是不肯及时收手、不敢尽早提交第一版。对做编程 agent、评测框架和产品交互的人来说,这比跑分更值得看,因为“何时停止搜索、转入执行”本身就是能力的一部分。kernel.dev/blog/why-is-gemini-4-carbon-taking-so-long

发布于 北京