标签 #benchmarks

2026-08-06 · Paul Lukic

我们用真实分词器重跑了基准测试。数字变低了。我们照样发布。

我们的头条宣称曾是省 79.7% token——单任务、单夹具、字节 ÷ 4。新测试台跑 3 项任务、用 tiktoken 统计，报告中位数：67.9%。为什么更低的数字更值钱，以及随之发布的新功能。