ModelBrief · Edge0-145B · 專題
最後更新 2026-11-20
EN 简体 繁體

Edge0-145B 基準全盤點:均分只比底座高 1.1 分

ModelBrief · 2026-11-20 發佈 · 事實覈查 2026-11-20 · 參考來源:Edge0 官方博客、Hugging Face 模型卡、Signal Sentry

Edge0-145B 目前全部的基準數字都來自一張表:官方博客裏的 6 項內部評測。博客自己說明了這一點——這是 Edge0 的內部評測,完整評測配置、硬件環境與復現說明要隨技術報告發布,而技術報告截至 2026 年 11 月 20 日尚未發佈。本文全文轉載這張表,不加分、不減分,只做兩件事:算清它與底座的真實差距,說明哪些數字還不能信。

6 項基準全文(廠商自報,無獨立驗證)

基準Edge0-145BQwen3.8-Flash-Next(底座)DeepSeek-V4-Flash-0731Claude-Opus-4.6(Max)
DeepSWE 1.164.658.754.4—
Terminal-Bench 2.186.5283.382.778.2
HLE35.435.933.840.0
GPQA-Diamond90.491.790.891.3
IFBench80.681.379.262.5
AA-LCR79.379.179.778.0
均分(6 項)72.871.770.1—

全部 6 項分數均爲廠商自報(Edge0 內部評測),截至 2026 年 11 月 20 日無任何獨立驗證。博客表格裏 Flint、Muse Glimmer、Gemma 4 等行的分數引自 Recursive Flint 的評測(Terminal-Bench / IFBench)與 Artificial Analysis(HLE / GPQA / AA-LCR),不是 Edge0 的實測——不要把它們當作 Edge0 的成績。

誠實解讀:領先是真的,幅度很小

編碼與 Agent 兩項是真領先。DeepSWE 1.1 上 Edge0-145B 比底座高 5.9 分(64.6 對 58.7),Terminal-Bench 2.1 高 3.2 分(86.52 對 83.3),對 DeepSeek-V4-Flash 的領先更大(DeepSWE 高 10.2 分、Terminal-Bench 高 3.82 分)。這兩項正是 Edge0-145B 的定位——本地編碼與 Agent 任務,重建 MoE 與後訓練的收益集中在這裏。

但均分只比底座高 1.1 分。72.8 對 71.7——六項平均下來,重建與後訓練只換來 1.1 分。更要說的是另一面:三項低於底座——HLE 35.4 對 35.9、GPQA-Diamond 90.4 對 91.7、IFBench 80.6 對 81.3。知識與指令跟隨三項全部落後,說明這次重建沒有全面提升能力,而是把能力往編碼與 Agent 方向傾斜了。AA-LCR 基本持平(79.3 對 79.1)。

Claude-Opus-4.6 那一列要打折讀。博客表格把 Edge0-145B 的 Terminal-Bench 2.1(86.52)與 Claude-Opus-4.6(78.2)並列,評論者已指出這個對照過時了——Opus 4.6 的分數不是同期同口徑的實測。引用「超過 Claude-Opus-4.6」之前,必須先說明這一列的時效問題。

獨立驗證:截至 11 月 20 日,零

Signal Sentry(11 月 13–15 日)寫得很直白:「No independent results yet. They appear here as Epoch AI and LMArena add this model.」本站覈查一致:Artificial Analysis 無 Edge0-145B 條目——博客表格借用的 AA 數字是其他模型(Flint / Glimmer / Gemma 4)的分數,不是 AA 給 Edge0-145B 打的分;LiveBench 無實測;LMArena 無收錄。11 月 15 日的 YouTube 深度解析是對廠商數字的評論,不是獨立跑分,不要把它當作驗證引用。

好消息是驗證現在就能開始:權重與代碼都是公開的,任何人都可以跑。跟蹤清單上的兩件事是技術報告與首批獨立跑分(AA / LiveBench / LMArena 任一收錄),任一落地都會實質性改變這張表的可信度。

速度分數:同樣是廠商實測,同樣要帶條件

構建(RTX 5090 D 24GB,廠商實測)Agent 解碼16K 預填充
NVFP498.3 tok/s3165.7 tok/s
Q3_K121.2 tok/s3554.9 tok/s

博客標題口徑爲解碼 80+ tok/s、預填充 1100+ tok/s、典型功耗約 120W。速度數字與基準數字一樣,都是 Edge0 自己的測量,尚未獨立復現;引用時帶構建名與硬件(RTX 5090 D 24GB),不要只寫一個數字。

ModelBrief 的看法:這張表值得認真讀,但不值得全盤信。編碼與 Agent 的領先是真實的信號——DeepSWE +5.9、Terminal-Bench +3.2 都不小;但均分 +1.1 與三項低於底座說明重建沒有全面奏效。更大的問題是出處:6 項全是廠商自報,技術報告未出,AA、LiveBench、LMArena 一家都沒收錄。在獨立跑分到來之前,任何「前沿級」的結論都要加「廠商自報」四個字。