推文

@wei_wang · 2026-10-14 09:04

46 个长程终端任务，LoopX 平均得分 0.4948，Plain Codex 是 0.4218，Codex 原生 Goal 是 0.4475。三种跑法用同一个模型 GPT-5.6 Sol。 这组分数有四条限定条件： 1. 每个任务每种模式只跑了一次 2. LoopX 约 5.05 亿 token、551.73 美元，Plain 约 2.52 亿 token、212.97 美元 3. 严格通过（得分 ≥ 0.95）的任务数，LoopX 和 Plain 都是 7 个 4. 测的是 LoopX 1.0.3，不是最新版 项目自己页面的结论是值得继续查，还不能证明同等预算下稳定提升。

曝光 366 · 评论 5 · 点赞 1 · 书签 1 · 曝光/时 253.73086478894194