10:23
官方一手arXiv: DeepSeek@Ziheng Qin, Yaxin Lu, Zhangyang Atlas Wang, Kai Wang
精选
推荐理由：StateM 不改模型权重，光靠升级执行系统就把 GPT-5.6 在终端测试的准确率拉到 95.3%，成本只要 15 美元，值得看看它的思路。
StateM
共 1 条相关 AI 资讯
8月18日
10:23
StateM 是一个不修改模型权重的 agent 运行时，通过状态管理和可恢复流程提升执行系统。在 Terminal-Bench 2.1 上，StateM 将 GPT-5.5 xhigh 从 83.1% 提到 92.1%，GPT-5.6 Sol xhigh 达到 95.3% 原始准确率，覆盖 445 次试验和全部 89 个任务。同一套 runbook 让 GPT-5.6 Luna 从 76.7% 升至 85.4%，超过 Sol xhigh 参考值 84.9%。用不到 38 美元的适配，DeepSeek-V4 Flash 从 82.7% 提高到 88.1%，在 88 任务核心集上到 89.1%，最终 API 花费约 15 美元，对比 GPT 参考的 574.68 美元。代码已开源在 github.com/henryqin1997/statem。