Qwen4-Max 發布:Agent 模型選型不能只看跑分
Qwen4-Max 登上 Hacker News 首頁並引發大量討論,但 Agent 團隊更該重視每個成功任務的成本、P95 延遲與失敗復原能力。本文提出一套可重現的模型評測基線:30 道內部任務各執行 5 次。
Astra 宣稱能「讀寫 Qwen 權重」,但文中未交代修改內容、作用層級與復現方式。本文拆解參數變更、基線設定、對照實驗與評測污染,並提出一套可重跑的驗證清單。
Qwen4-Max 登上 Hacker News 首頁並引發大量討論,但 Agent 團隊更該重視每個成功任務的成本、P95 延遲與失敗復原能力。本文提出一套可重現的模型評測基線:30 道內部任務各執行 5 次。
本文依 Unsloth 官方文件整理 Qwen3.8-27B 的顯存需求、Dynamic v3.1 選型重點與可重現的部署測試方法,協助開發者依硬體條件判斷適合的量化版本。
Simon Willison 將 Qwen 3.8 27B 部署於個人筆電,用它分析其他模型的權重。這項實驗顯示本地 Agent 已能協助檢視參數,但模型提出的解釋仍不等同於經過驗證的因果結論。
Astra 將 Qwen 的模型權重轉換為 Agent 可讀寫的程式物件,讓系統能依測試回饋直接修正模型行為。本文解析其實作方式、復現門檻,並比較權重編輯與提示詞、微調及工具調用的差異。
Memdoor 讓 5 個 Qwen3.8-27B 組成協作團隊,在 LiveCodeBench Hard 的成績超越 Fable 5。本文從工作流、上下文管理與工程成本,拆解多 Agent 協作如何真正運作。
NESformer 將約 1GB 的 Qwen 權重接入 NES 環境,讓模型從畫面觀察、狀態壓縮一路走到動作輸出。本文拆解其技術鏈路,並分析延遲、記憶與重現實驗時應留意的變數。
Qwenputer 運用 Qwen3.5 生成可執行、可重現的 RISC-V CPU。本文從程式生成、除錯到架構決策,拆解模型能承擔的工作,以及目前仍難跨越的驗證落差。
Hacker News 熱門討論指出,5 個 Qwen3.8-27B 模型透過 GVS5H harness 達到 Fable 5 水準。這項結果不只反映模型能力,也凸顯 Agent 評測中測試框架的重要性。
DeepSeek 4.1 Flash 在 Hacker News 只拿到 212 分、181 則留言——對曾經掀起「DeepSeek 時刻」的他來說,這反應冷得異常。開源模型的恐慌紅利,可能已經見頂。
Black Forest Labs 把 FLUX 1 時代的開源招牌收回,FLUX 3 Image 只在 bfl.ai 提供 API 呼叫。這步棋一旦走通,中國本土圖像模型的突圍空間將被大幅壓縮。
Fireworks AI 發布首款自研模型 Ember-1,在 HN 拿下 355 積分、182 則討論。這家以推理優化起家的公司,為何決定跳下來自己做模型?