开放权重模型在 CTI-REALM 上追平闭源前沿模型

在 CTI-REALM 基准上，开放权重模型在放宽 agent 消息轮次限制后能追平最强闭源模型，成本不到其十分之一。该基准原有的消息上限会截断任务，导致已通过的检查点也被判零分，使结果部分反映的是模型能否按时完成。研究还提出按阶段评分的指标，发现不同模型各阶段表现不同，建议按阶段路由模型而非只看总分。