以约三十分之一的成本接近前沿性能
· 阅读需 2 分钟
· 
简讯：Sentient AGI 最近和我们分享了一项名为 “Grounded Reasoning” 的挑战结果。各团队使用 MiniMax（2.5）开放模型攻克 Databricks OfficeQA 基准。
所链文章中的要点：
- 在 Databricks 的 OfficeQA 基准上，使用 goose 搭配 MiniMax M2.5，我们看到的结果正以约三十分之一的成本接近前沿模型性能。
- 闭源模型在准确率上领先（约 80% 对约 70%），但 MiniMax M2.5 每次运行平均花费 1.74 美元，而 Opus 4.5 为 56.53 美元。大约便宜 30 倍。
- 换成 @goose_oss 这套运行框架后，准确率比其他方案高出约 10%，并且比次优选项便宜 8 倍。我们决定用独立测试进一步探究。在 Terminal Bench 2.0 上，情况类似：goose 的 token 效率（以及成本）比 OpenHands 高 20 倍，比 OpenCode 便宜 40 倍以上。
完整帖子和结果见这里：