ModelBrief · Edge0-145B · 专题
最后更新 2026-11-20
EN 简体 繁體

Edge0-145B 基准全盘点:均分只比底座高 1.1 分

ModelBrief · 2026-11-20 发布 · 事实核查 2026-11-20 · 参考来源:Edge0 官方博客、Hugging Face 模型卡、Signal Sentry

Edge0-145B 目前全部的基准数字都来自一张表:官方博客里的 6 项内部评测。博客自己说明了这一点——这是 Edge0 的内部评测,完整评测配置、硬件环境与复现说明要随技术报告发布,而技术报告截至 2026 年 11 月 20 日尚未发布。本文全文转载这张表,不加分、不减分,只做两件事:算清它与底座的真实差距,说明哪些数字还不能信。

6 项基准全文(厂商自报,无独立验证)

基准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 项)72.871.770.1—

全部 6 项分数均为厂商自报(Edge0 内部评测),截至 2026 年 11 月 20 日无任何独立验证。博客表格里 Flint、Muse Glimmer、Gemma 4 等行的分数引自 Recursive Flint 的评测(Terminal-Bench / IFBench)与 Artificial Analysis(HLE / GPQA / AA-LCR),不是 Edge0 的实测——不要把它们当作 Edge0 的成绩。

诚实解读:领先是真的,幅度很小

编码与 Agent 两项是真领先。DeepSWE 1.1 上 Edge0-145B 比底座高 5.9 分(64.6 对 58.7),Terminal-Bench 2.1 高 3.2 分(86.52 对 83.3),对 DeepSeek-V4-Flash 的领先更大(DeepSWE 高 10.2 分、Terminal-Bench 高 3.82 分)。这两项正是 Edge0-145B 的定位——本地编码与 Agent 任务,重建 MoE 与后训练的收益集中在这里。

但均分只比底座高 1.1 分。72.8 对 71.7——六项平均下来,重建与后训练只换来 1.1 分。更要说的是另一面:三项低于底座——HLE 35.4 对 35.9、GPQA-Diamond 90.4 对 91.7、IFBench 80.6 对 81.3。知识与指令跟随三项全部落后,说明这次重建没有全面提升能力,而是把能力往编码与 Agent 方向倾斜了。AA-LCR 基本持平(79.3 对 79.1)。

Claude-Opus-4.6 那一列要打折读。博客表格把 Edge0-145B 的 Terminal-Bench 2.1(86.52)与 Claude-Opus-4.6(78.2)并列,评论者已指出这个对照过时了——Opus 4.6 的分数不是同期同口径的实测。引用「超过 Claude-Opus-4.6」之前,必须先说明这一列的时效问题。

独立验证:截至 11 月 20 日,零

Signal Sentry(11 月 13–15 日)写得很直白:「No independent results yet. They appear here as Epoch AI and LMArena add this model.」本站核查一致:Artificial Analysis 无 Edge0-145B 条目——博客表格借用的 AA 数字是其他模型(Flint / Glimmer / Gemma 4)的分数,不是 AA 给 Edge0-145B 打的分;LiveBench 无实测;LMArena 无收录。11 月 15 日的 YouTube 深度解析是对厂商数字的评论,不是独立跑分,不要把它当作验证引用。

好消息是验证现在就能开始:权重与代码都是公开的,任何人都可以跑。跟踪清单上的两件事是技术报告与首批独立跑分(AA / LiveBench / LMArena 任一收录),任一落地都会实质性改变这张表的可信度。

速度分数:同样是厂商实测,同样要带条件

构建(RTX 5090 D 24GB,厂商实测)Agent 解码16K 预填充
NVFP498.3 tok/s3165.7 tok/s
Q3_K121.2 tok/s3554.9 tok/s

博客标题口径为解码 80+ tok/s、预填充 1100+ tok/s、典型功耗约 120W。速度数字与基准数字一样,都是 Edge0 自己的测量,尚未独立复现;引用时带构建名与硬件(RTX 5090 D 24GB),不要只写一个数字。

ModelBrief 的看法:这张表值得认真读,但不值得全盘信。编码与 Agent 的领先是真实的信号——DeepSWE +5.9、Terminal-Bench +3.2 都不小;但均分 +1.1 与三项低于底座说明重建没有全面奏效。更大的问题是出处:6 项全是厂商自报,技术报告未出,AA、LiveBench、LMArena 一家都没收录。在独立跑分到来之前,任何「前沿级」的结论都要加「厂商自报」四个字。