给大家带来 Flash 系列模型横评! 各个厂商除了旗舰级别模型, 也都有Flash级别的模型, 而这些模型的定位主要都是多智能体系统的驱动模型和RAG系统的驱动模型. 那么现有这些Flash模型应该怎么选? 给大家带来本篇评测! 本次主要从 Agent Loop 迭代能力, Agent 能力, 前端, 后端, 空间理解, 美学, 性价比等多个角度评测了 Gemini-3.5-Flash, Step-3.7-Flash, DeepSeek-V4-Flash 这三个模型. 从测试来看, Gemini-3.5-Flash 更适合干"漂亮活", 比如前端页面, 建模等. 而 Step-3.7-Flash 则极具性价比, 在Agent测试中取得了比旗舰模型还要高的Token效率(用最少的token干最多的事情). 所以特别适合用在Agent框架中(比如OpenClaw或者Hermes), 或者复杂的Agent系统中用来做驱动模型. DeepSeek-V4-Flash 则后端能力很不错, 很适合用来写脚本, 甚至给服务器安装一个 DeepSeek-V4-Flash 驱动的 ClaudeCode, 用来 AI-Ops. #flash模型# #step37flash# #deepseekv4flash# #gemini35flash# #AgentLoop#

Google开源Harness²框架：不改模型权重也能让AI智能体自我进化 Harness²是一个即插即用的智能体优化框架，能在保持底层模型权重不变的前提下，通过自动调整系统提示词、工具指南、记忆和子智能体等8个外围组件来提升任务表现。 采用双层递归机制，既能在无标准答案反馈的情况下通过对比试探优化当前任务的执行配置，又能将成功经验沉淀下来指导后续未知任务。在三项专业基准测试中，仅需单步递归就能让GLM-5和Gemini3.5Flash的表现比基础配置最高提升11.5分，为开发者免去了繁琐的手动调优工作。 Github：