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
  • 8
  • 转发
  • 分享
评论
请输入评论内容
请输入评论内容
海盐空投笔记
· 5小时前
纯API外挂能拉满弱模型,这思路太野了,企业省大钱
回复0
林间观星者
· 6小时前
这Meta-System像是给模型开了个外置大脑,经验复用玩得6
回复0
Rugpull Taster
· 6小时前
不微调就能追平Deep Think,中小厂狂喜
回复0
把收益当零食
· 6小时前
六人团队干翻一堆大厂微调部门,讽刺拉满
回复0
MarginMoth
· 6小时前
Claude Opus4.7被Flash+外挂爆掉,Anthropic该反思了
回复0
BridgeSideBanter
· 6小时前
递归提取经验,听起来像模型自己在写prompt工程
回复0
Governance Gremlin
· 6小时前
弱模型外挂变强,算力民主化真来了?
回复0
悬浮茶杯社
· 6小时前
GPT5.5 High都93.9%了,天花板还在往上挪
回复0