Hugging Face 把同一款 Qwen3.8-27B 放进 Pi、OpenCode 和 Hermes Agent 三种编程环境,针对各自的工具和任务训练适配器。原始模型被冻结。这让实验能单独观察,熟悉某套工具的使用习惯会改变多少成绩。

在 Pi 搭配 Terminal-Bench 2.1 的实验中,增加适配器后,首次尝试通过率从 39% 升至 55%,每题平均用量从约 2,900 个词元降至 1,500 个。换个模型、换套工具或换一批题,仍需重新测量。

原始资料