测试这事我和锤哥多少有点出入，但又说不出什么具体理由，有一点我在坚持，本模训练越单薄越好，只要逻辑宽度和推理深度够，再看上下文的整理和丢弃能力。最重要的一点，模型不逞能，幻觉低点，rag和skills微调赋能场景中的md能主动读全并完整执行才是我需要的，跑既有py别只读20行剩下不看，之后说你这系统需要优化，扒拉一堆改造，最后造成py变成几千行，每次再抽20行，永远跑不出这个崩坏圈，这点上我对这几个评分热门模深恶痛绝，号称中文好的，包括开源和闭源都在内，就没有一个长推和工业执行不走样的，都是以快速跑完为目的，没一个以跑全跑好结果为追求。本来我以为是模型天生都这样，但后来发现完全不是。。。这都是评分系模型讲的故事。在标准化执行场景下，速度没确定性和稳定性输出结果重要，我要垂直，要我要的，而不是要它本模经过了什么知识体系训练，那些往往从封包那一刻就已经开始淘汰，而多数的约束和程序也都是为了让他绕过或者屏蔽那些它幻觉产生的所谓正确。这很让人伤脑筋，实际并不都这样，我确定这事。传说星辰的模和他们在这上不大一样，回头我也测测
