主 题：我做了一个 Agent，他把 deepseek 的编程性能推到了 Fable 5 的等级
发 布 者：wholiver
标签分类： 技术
时 间：2026-08-29 11:05:24
内容预览：最近用开源 Agent 框架 Metis 1.1.0 跑了一轮 Terminal-Bench 2.1，结果比我预期的更有意思。这次固定了模型、版本、89 个任务、运行环境和预算，只更换 Agent 框架：Metis + DeepSeek V4 Flash：73/89，82.02%OpenCode + DeepSeek V4 Flash：60/89，67.42%Metis 多完成 13 个任务，高出 14.60 个百分点作为参照，Terminal-Bench 2.1 官方榜单里的 Claude Code + Claude 5 Fable 成绩是 83.8%。Metis + DeepSeek V4 Flash 的 82.02% 与它相差 1.78 个百分点，已经进入同一个 80%+ 分数段。需要说明：这不是同一份官方榜单提交的直接排名。83.8% 来自官方榜单，82.02% 是我们的受控自测结果，所以这里主要用来观察 Agent 框架对同一模型表现的影响，不宣称 DeepSeek V4 Flash 已经等同或超过 Fable 5。Metis 目前主要做了这些事情：Plan / Build 分离，先规划再执行SQLite 持久记忆，减少长任务中的上下文丢失支持递归子 Agent，把复杂任务拆成可检查的子任务加入验证门，尽量避免“代码写完就宣布完成”同时提供终端和 macOS 桌面端项目采用 MIT 协议，完全开源，目前没有收费计划。GitHub：https://github.com/Wholiver/metisCLI 安装：npm install -g @wholiver_hu/metis接下来准备继续补充完整运行轨迹、Token / 成本对比和功能消融测试。大家更想先看哪一项？也欢迎直接挑测试口径或实现上的问题。
直达链接： https://www.nodeseek.com/post-899842-1
发 布 者：wholiver
标签分类： 技术
时 间：2026-08-29 11:05:24
内容预览：最近用开源 Agent 框架 Metis 1.1.0 跑了一轮 Terminal-Bench 2.1，结果比我预期的更有意思。这次固定了模型、版本、89 个任务、运行环境和预算，只更换 Agent 框架：Metis + DeepSeek V4 Flash：73/89，82.02%OpenCode + DeepSeek V4 Flash：60/89，67.42%Metis 多完成 13 个任务，高出 14.60 个百分点作为参照，Terminal-Bench 2.1 官方榜单里的 Claude Code + Claude 5 Fable 成绩是 83.8%。Metis + DeepSeek V4 Flash 的 82.02% 与它相差 1.78 个百分点，已经进入同一个 80%+ 分数段。需要说明：这不是同一份官方榜单提交的直接排名。83.8% 来自官方榜单，82.02% 是我们的受控自测结果，所以这里主要用来观察 Agent 框架对同一模型表现的影响，不宣称 DeepSeek V4 Flash 已经等同或超过 Fable 5。Metis 目前主要做了这些事情：Plan / Build 分离，先规划再执行SQLite 持久记忆，减少长任务中的上下文丢失支持递归子 Agent，把复杂任务拆成可检查的子任务加入验证门，尽量避免“代码写完就宣布完成”同时提供终端和 macOS 桌面端项目采用 MIT 协议，完全开源，目前没有收费计划。GitHub：https://github.com/Wholiver/metisCLI 安装：npm install -g @wholiver_hu/metis接下来准备继续补充完整运行轨迹、Token / 成本对比和功能消融测试。大家更想先看哪一项？也欢迎直接挑测试口径或实现上的问题。
直达链接： https://www.nodeseek.com/post-899842-1
