ggufbench发布本地模型智能体编码评测
热点事件持续更新
ggufbench发布本地模型智能体编码评测
2 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
ggufbench作者发布本地GGUF模型智能体编码基准及首轮结果：在2×RTX 5080、统一采样参数和每模型仅测试一种量化的条件下，MiniCPM-V-4.7-35B得分0.85、Qwen3.8-27B得分0.82，接近Qwen3.8-Flash-Next的0.80，参测125B模型均未在单项夺冠。 基准覆盖18个工具调用、72个代码和72个Agent任务，每项运行3个种子，并横评七款本地模型及Strata引擎。作者称，27B级模型已能满足Agent编码需求，35B模型可追平甚至超过125B模型，工具调用能力是主要瓶颈；结果仍受自建任务集、单机和消费级GPU环境限制。
AI 根据报道生成 · 1 小时前更新
最新进展10月23日 13:55
ggufbench 实测本地 GGUF 模型智能体编码，27B 类模型得分持平 125B报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- AGI Huntggufbench 实测本地 GGUF 模型智能体编码，27B 类模型得分持平 125B
ggufbench 使用统一框架评测 18 个工具调用、72 个代码和 72 个 Agent 任务，每个任务运行 3 个种子，硬件为 2×RTX 5080。MiniCPM-V-4.7-35B 得分 0.85，Qwen3.8-27B 得分 0.82，与 Qwen3.8-Flash-Next 的 0.80 接近，125B 模型单项均未夺冠。
- AGI Huntggufbench 实测七款本地 GGUF 模型的 Agent 编码能力
ggufbench 在 2× RTX 5080 上横评七款本地 GGUF 模型及 Strata 引擎，测试结果称 35B 模型在 Agent 编码任务中可追平甚至超过 125B 模型。测试覆盖 18 个工具调用、72 个代码任务和 72 个 Agent 任务，每项任务多次运行，显示工具调用能力是本地模型表现的关键瓶颈。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。