📌 一句话摘要

像 GLM-5 和 MiniMax M2.7 这样的开源模型在核心智能体任务中已达到与闭源前沿模型相当的性能，同时在成本和延迟方面具有显著优势。

📝 详细摘要

LangChain 使用 Deep Agents 测试框架进行的最新评估表明，开源权重模型（特别是 GLM-5 和 MiniMax M2.7）在工具使用、文件操作和指令遵循等基础智能体任务中，现已能媲美闭源前沿模型（如 Claude Opus 和 GPT-5.4）的性能。报告强调，当部署在 Baseten 或 Groq 等优化基础设施上时，开源模型的成本效益提高了 8-10 倍，且速度显著提升。此外，LangChain 更新了其 Deep Agents SDK 和 CLI，实现了无缝模型集成，并支持运行时模型切换等高级模式，以实现混合规划-执行工作流。

💡 主要观点

1. 开源模型在核心智能体能力上已实现平齐。 评估显示，GLM-5 和 MiniMax M2.7 在工具调用、文件操作和遵循复杂指令方面，得分与顶级闭源模型相当。
2. 生产部署具有显著的成本和延迟优势。 使用专门的推理提供商时，开源模型的成本最高可比前沿模型便宜 10 倍，且延迟更低（例如 0.65 秒 vs 2.56 秒）。
3. Deep Agents 测试框架实现了智能体评估和集成的标准化。 LangChain 的框架实现了上下文管理和模型身份注入的自动化，并提供了正确率（Correctness）和解决率（Solve Rate）等指标来量化智能体性能。
4. 混合工作流实现了优化的规划与执行。 新的 CLI 功能允许在会话中途切换模型，从而支持由前沿模型处理高级规划、由开源模型执行任务的模式。

💬 文章金句

• 像 GLM-5 和 MiniMax M2.7 这样的开源模型，现在在文件操作、工具使用和指令遵循等核心智能体任务上，已经能以极低的成本和延迟媲美闭源前沿模型。
• 对于高吞吐量工作负载，闭源前沿模型的运行成本可能高出 8-10 倍，而且它们往往太慢，无法满足交互式产品中用户所期望的响应时间。
• 对于在生产环境中部署智能体的开发者来说，开源模型现在提供了一定程度的一致性和可预测性，使得现实世界的工作流变得更加可行。
• 这使得诸如使用前沿模型进行规划、使用开源模型进行执行的模式成为可能。

📊 文章信息

阅读完整文章