Fireworks AI(@FireworksAI_HQ)
Fireworks AI在X上：我们使用@nottecore在前沿模型上运行了720次浏览器代理任务
8.5内容质量
TL;DR · AI 摘要
Fireworks AI测试显示，基线模型在浏览器代理任务中重试率达20%，而Kimi K2.5、GLM-5、MiniMax M2.5的重试率接近零，执行差异直接影响生产系统的成本、延迟和可靠性。
核心要点
- 基线模型在5次调用中约1次输出畸形，导致多步骤工作流重试
- Kimi K2.5、GLM-5、MiniMax M2.5的重试率接近零且延迟稳定
- 模型执行差异直接导致生产系统成本、延迟和可靠性差异
结构提纲
按章节快速跳转。
Fireworks AI使用nottecore框架在720次浏览器代理任务中测试前沿模型，发现基线模型存在显著执行问题。
基线模型产生畸形输出的频率高达20%，导致多步骤工作流需要频繁重试。
Kimi K2.5、GLM-5、MiniMax M2.5的重试率接近零，且延迟在多步骤任务中保持稳定。
模型执行差异直接反映为生产环境中的成本、延迟和可靠性差异。
- ›报告结论
完整分析报告揭示了不同模型在代理系统中的实际表现差异。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- 浏览器代理任务执行差异分析
- 模型对比
- 基线模型（20%重试率）
- 先进模型（近零重试率）
- 性能指标
- 重试率
- 延迟稳定性
- 生产影响
- 成本差异
- 可靠性差异
金句 / Highlights
值得收藏与分享的关键句。
基线模型在约五分之一的调用中产生畸形输出，导致多步骤工作流需要重试。
Kimi K2.5、GLM-5和MiniMax M2.5的重试率接近零，且延迟在多步骤任务中保持稳定。
这种执行差异直接表现为生产代理系统中的成本、延迟和可靠性差异。
#Fireworks AI#浏览器代理#模型执行#重试率#成本优化
打开原文Fireworks AI在X平台：我们与@nottecore在前沿模型上运行了720个浏览器代理任务。一个基线模型在约每5次调用中就有1次产生格式错误的输出，导致多步骤工作流中的重试。在Fireworks上部署的Kimi K2.5、GLM-5和MiniMax M2.5模型中，重试率接近于零，即使任务跨越多个步骤，延迟也保持稳定。同一工作负载。同一代理循环。不同的执行行为。这种差异在生产代理系统中体现为成本、延迟和可靠性的差异。阅读报告：[https://fireworks.ai/blog/agent-exe cution-tax…](https://t.co/6thZVvLomR) / X
URL来源：https://x.com/FireworksAI_HQ/status/2057165186776399967 发布时间：Thu, 21 May 2026 08:52:39 GMT
Markdown内容：
Fireworks AI在X平台：我们与@nottecore在前沿模型上运行了720个浏览器代理任务。一个基线模型在约每5次调用中就有1次产生格式错误的输出，导致多步骤工作流中的重试。在Fireworks上部署的Kimi K2.5、GLM-5和MiniMax M2.5模型中，重试率接近于零，即使任务跨越多个步骤，延迟也保持稳定。同一工作负载。同一代理循环。不同的执行行为。这种差异在生产代理系统中体现为成本、延迟和可靠性的差异。阅读报告：[https://fireworks.ai/blog/agent-exe cution-tax…](https://t.co/6thZVvLomR) / X
不要错过正在发生的事情
我们与
在前沿模型上运行了720个浏览器代理任务。一个基线模型在约每5次调用中就有1次产生格式错误的输出，导致多步骤工作流中的重试。在Fireworks上部署的Kimi K2.5、GLM-5和MiniMax M2.5模型中，重试率接近于零，即使任务跨越多个步骤，延迟也保持稳定。同一工作负载。同一代理循环。不同的执行行为。这种差异在生产代理系统中体现为成本、延迟和可靠性的差异。阅读报告：https://fireworks.ai/blog/agent-exe cution-tax…
最后编辑：编辑历史 6:22 PM · 2026年5月20日
·
2
3
20
5