FireFlash发布长程编码代理并公开RL配方
先了解这件事
FireFlash团队发布基于GLM-5.3-Flash全参数后训练的300B长程编码代理，团队称其使用64块NVIDIA B300训练5天，Terminal-Bench 4.0得分46.2%，较基线提高10.4分，单任务成本比Fable 5 Max低30倍以上。 该团队主张以编码领域专精替代单纯扩大通用模型规模，并称已在agenteconomics.org公开完整的Agentic RL后训练配方；但另外两篇报道仍表述为“将公开”，因此配方当时是否已实际可获取存在说法不一致。
AI 根据报道生成 · 1 小时前更新
事件进展
2 个进展
- 11月3日 06:09 · 1 篇报道FireFlash公开Agentic RL训练配方AGI Hunt：FireFlash 团队详解领域专精后训练与编码 Agent 表现
- 11月3日 06:09 · 2 篇报道FireFlash发布长程编码代理AGI Hunt：FireFlash 发布 300B 长程编码代理，登上 Terminal-Bench 4.0 帕累托前沿
报道时间线
沿着报道，了解事件的不同侧面。
- AGI HuntFireFlash 发布基于 GLM-5.3-Flash 后训练的 300B 长程编码代理
FireFlash 团队发布基于 GLM-5.3-Flash 后训练的 300B 规模长程编码代理，仅用 64 块 NVIDIA B300 训练 5 天便登上 Terminal-Bench 帕累托前沿。作者将其核心思路概括为领域专精而非通用 scaling，即针对编码场景做领域后训练，以适度算力和远低于前沿模型的推理成本做出前沿级 Agent。
- AGI HuntFireFlash 发布 300B 长程编码代理，登上 Terminal-Bench 4.0 帕累托前沿
FireFlash 团队发布基于 GLM-5.3-Flash 后训练的 300B 规模长程编码代理，仅使用 64 块 NVIDIA B300 训练 5 天。该模型在 Terminal-Bench 4.0 得分 46.2%，较基线提升 10.4，单任务成本比 Fable 5 Max 低 30 倍以上。
- AGI HuntFireFlash 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。
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。