X：DRACO 100 任务——四次 MiniMax-M3 加一次综合运行

摘要

作者称，四次 MiniMax-M3 research run 加第五次 M3 synthesizer 在 100 任务 DRACO benchmark 上得到 68.1 分；Fable 5 得到 65.3 分。M3 的 100 任务运行成本为 37 美元，Fable 的约 250 美元比较成本为建模值。作者的核心观点是：多个便宜副本可以带来有用的多样性。

可用结论

• 在该实验设置中，多次廉价运行加综合器的组合超过了单个 Fable 5 的分数。

• 不能把 68.1 归因于单次 M3；结果来自“四次 research + 第五次 synthesizer”的系统。

• 成本优势约为 37/250 = 14.8%，但 Fable 成本是 modeled，不是同口径账单。

• 这条结果支持评估“多次采样/多模型编排”，而不只是单模型单次回答。

原文阅读

本站仅展示 Tabbit 编辑摘要和必要节选；完整内容、上下文与最新版本请查看原始来源。

限制

原帖没有公开完整任务、评分细则、每次运行输出或 Fable 的实际账单。应把它视为一个关于“多次运行是否值得”的实验线索，而不是可复现的完整 benchmark 报告。