Gear - 让 Agent 用 Jev 的价格达成 Astra 的性能

[tangyehui]

尝试写了一个自进化的基建 Gear - General Evolution ARchitecture ，只要给定一个 benchmark ，Gear 就会自动优化出一套最适合当前场景的 harness 。

当前在 automation bench 的 marketing 任务上，经过 Gear 优化的 DSH + Luna 实现了 88% 的目标完成率超过了 Astra + Codex 的 84%，并且单任务成本降低了 95%。

仓库地址在 https://github.com/rsi-gear/gear

求大家提提意见，点点 star 。

[lancevps]

跑一下 Terminal-Bench 4 ，我对这个评测比较相信

[tangyehui]

@lancevps tb 的任务有点太长了，自己的 token 烧不动了，欢迎 contribute 实验结果。在 tb 2.1 上是 Luna + Gear-tuned DSH 84.26%，Astra + Codex 87.4%, Fable + ClaudeCode 83.8%。

[sampeng]

还有一点。时间。。astra 5 分钟做完。luna 要花 15 分钟就不能忍了

[nightwind]

有点意思

[tangyehui]

@sampeng 感谢建议！下面是对 automation 任务的统计结果。
每题耗时 ｜ Luna max ｜ Astra max
Agent 平均运行时间 ｜ 5 分 51 秒 ｜ 5 分 39 秒
Agent 运行中位数 ｜ 5 分 23 秒 ｜ 5 分 28 秒
含环境准备、执行和评分的平均时间 ｜ 7 分 07 秒 ｜ 8 分 30 秒

[tangyehui]

@nightwind 有兴趣可以点个 star ，持续关注一下。非常感谢！

[tangyehui]

求大家点点 star ，给点意见啊