同一套编排骨架，换 GPT-4o 只多 5.8 分，训练 7B 决策节点却多出 17.2 分

换 GPT-4o 只多 5.8 分，训练 7B 却多了 17.2 分

Stanford 的 AgentFlow 论文做了一个很直接的对比：在同一个 agent 工作流里，把负责规划和调工具的决策节点从 Qwen2.5-7B 换成 GPT-4o，六个基准测试平均只涨了 5.8 分。但让这个 7B 节点在真实运行环境里，根据工具返回的成败信号边跑边学，平均涨了 17.2 分。差距不在模型大小，在于一个能持续吸收反馈，另一个停...

推荐理由：我会先打个折：正文没披露训练成本和延迟数据，所以 17.2 分的提升能不能直接搬到生产环境还得看具体实现。但 Stanford 这篇 AgentFlow 论文的对比很直接——在同一个 agent 工作流里，把决策节点从 Qwen2.5-7B 换成 GPT-4o，六个基准平均只涨 5.8 分；让这个 7B 节点根据工具返回的成败信号边跑边学，平均涨了 17.2 分。差距不在模型大小，在于一个能持续吸收反馈，另一个停在那里。对正在搭 agent 的人来说，这比无脑上大模型省钱，也给出了一个可复现的训练思路。