Cộng đồng Hacker News báo cáo: năm mô hình Qwen3.8-27B đạt 92,4% trên LiveCodeBench Hard với GVS5H
Một dự án cộng đồng mang tên GVS5H cho rằng việc phối hợp năm phiên bản mới của cùng một mô hình có thể cải thiện đáng kể khả năng giải các bài toán lập trình khó. Phương pháp này dùng một hệ thống tệp chung để lưu kế hoạch, ghi chú và lời giải hiện tại, giúp các tác nhân chia nhỏ công việc và duy trì ngữ cảnh mà không cần huấn luyện thêm. Trên 100 bài toán khó mới nhất của LiveCodeBench, nhóm tác giả báo cáo mức tăng tối đa 25,6 điểm phần trăm khi thử với 11 mô hình mã nguồn mở và đóng. Qwen3.8 Flash Next sau khi được điều phối đạt 93,0% pass@1, so với 90,4% của Fable 5 và chỉ tốn khoảng 9% chi phí; Qwen3.8-27B chạy cục bộ tăng từ 66,8% lên 92,4%. Tuy nhiên, kết quả không cải thiện với mọi mô hình. Phần so sánh với Opus 5 dùng một phiên bản quy trình cũ hơn và chỉ chạy một lượt qua OpenRouter, nên không hoàn toàn tương đương với thiết lập năm tác nhân. Dự án cho rằng việc tổ chức quá trình suy luận—tức cách mô hình phân rã nhiệm vụ và duy trì ngữ cảnh làm việc—đôi khi có thể đưa độ chính xác lập trình lên gần hoặc vượt các mô hình hàng đầu mà không cần dùng mô hình lớn hơn. Dù vậy, đây vẫn là kết quả benchmark do cộng đồng chia sẻ, chưa phải một bản phát hành sản phẩm đã được xác minh.
Các nhà phát triển có thể thử mã GVS5H để đánh giá cách phối hợp nhiều tác nhân trên các bài toán lập trình, nhưng cần tự kiểm chứng vì kết quả được chia sẻ trên Hacker News và mức cải thiện không áp dụng cho mọi mô hình. Phương pháp này đáng chú ý nếu bạn muốn tăng độ chính xác bằng cách tổ chức quy trình suy luận thay vì đổi sang mô hình lớn hơn.
Đọc bài gốc