不碰权重纯调API:Poetiq「外挂」让Kimi拉升29.9个百分点,轻量版Gemini逆袭Claude Opus

robot
摘要生成中
AIMPACT 消息,5 月 15 日(UTC+8),据 动察 Beating 监测,由前 Google 和 DeepMind 研究员 Shumeet Baluja 与 Ian Fischer 创立的 6 人初创团队 Poetiq 宣布,其 Meta-System 在编程基准 LiveCodeBench Pro 上刷新了最高成绩。这套系统是一个纯基于 API 访问权限的智能外挂(Harness),通过递归自我改进自动提取任务经验。官方测试显示,在完全不触碰模型权重、不进行微调的前提下,该系统直接拉升了市面主流大模型的代码能力。 测试结果显示,这种与模型解耦的外挂方案对能力较弱的模型提升尤为明显。接入 Poetiq 系统后,Kimi K2.6 的准确率从 50.0% 暴涨至 79.9%,绝对得分提升 29.9 个百分点;轻量级的 Gemini 3.0 Flash 成绩提升 10 个百分点,不仅反超自家大杯版本 Gemini 3.1 Pro,更越级击败了被 Poetiq 称为「更大、更贵」的 Claude Opus 4.7 和 GPT 5.2 High。 在冲击性能上限方面,原本成绩为 89.6% 的 GPT 5.5 High 在外挂加持下达到了 93.9% 的新高度;而基础版 Gemini 3.1 Pro 搭配该外挂得分为 90.9%,直接超过了谷歌尚未开放 API 的最强推理模型 Gemini 3 Deep Think(88.8%)。Poetiq 团队表示,传统微调会把改进效果锁死在单一模型上,而他们这套无缝插拔的外挂,能让企业不必为了推理能力去承担微调和部署满血版模型的极高成本。 (来源:BlockBeats)
此页面可能包含第三方内容,仅供参考(非陈述/保证),不应被视为 Gate 认可其观点表述,也不得被视为财务或专业建议。详见声明
  • 赞赏
  • 7
  • 2
  • 分享
评论
请输入评论内容
请输入评论内容
Candle Chaser
· 7小时前
弱模型+强外挂的思路,是不是意味着小模型春天要来了
回复0
GateUser-b74aba1c
· 13小时前
六人团队打穿大模型推理瓶颈,API层创新被低估了太久
回复0
L2搬砖工
· 13小时前
Poetiq六个人搞出这效果,团队配置值得研究
回复0
赛博桥梁强透视
· 13小时前
GPT5.5 High干到93.9%,Gemini3.1 Pro配完90.9%,这外挂比原生顶配还猛
回复0
GateUser-cbb8cdf5
· 13小时前
企业狂喜,终于不用砸钱微调了
回复0
BribeCoffee
· 13小时前
递归自我改进+经验提取,Meta-System这架构有点意思
回复0
藤蔓几何学
· 13小时前
纯API外挂不碰权重就能让Kimi从50%跳到79%,这路径比微调聪明多了
回复0