FireFlash 团队详解领域专精后训练与编码 Agent 表现

FireFlash 团队公开了面向编码场景的完整 agentic RL 后训练配方，模型在 Terminal-Bench 4.0 达到 46.2%。该模型基于 GLM-5.3-Flash 进行全参数 RL 训练，使用 64 块 B300 训练 5 天，单任务成本比 Fable 5 Max 低约 30 倍。