Memdoor用5个Qwen3.8-27B组队解题，宣称击败Fable 5，仅测前10题遭质疑
Memdoor 是一个开源的多智能体协作框架，核心思路是把多个本地小模型组成「团队」分工解题；其 team-solve 示例用 5 个 Qwen3.8-27B 模型协作，宣称在 LiveCodeBench Hard 基准上击败了旗舰模型 Fable 5——这是项目方的说法，尚未经独立验证。热度属于中上而非刷屏级：截至 2026-10-31， Hacker News 得分 143、79 条评论，GitHub 星数暂无可查数据。社区的主要质疑在样本量：有评论指出该基准只跑了 LiveCodeBench Hard 榜单的前 10 题，而这个榜单已存在数年、可能趋于饱和，因此「击败 Fable 5」的结论还需要更大规模的基准来检验。
hackernews · guregodevo · 10月31日 22:46 · 社区讨论
「为什么现在火」 它踩中了「本地模型能否追平云端旗舰」的痛点——有评论直言不想永远受制于超大规模云厂商，而「多智能体暴力堆尝试」正被讨论为单模型能力之外的下一个关键轴。差异点在于：单个模型不够强也没关系，靠多模型、多次尝试和不同意见，把解法推进到更好的解空间。时机上，据评论，它所基于的 GVS5H 一周前刚在 HN 上被讨论过，属于同一话题的延续。
「上手与模仿路径」 项目开源于 https://github.com/guregodevo/memdoor ，标题链接直接指向 examples/workflows/team-solve 的多模型协作 workflow 示例，形态可直接复刻。技术路线是本地部署的开源模型加多智能体编排：据社区评论，Qwen 27B 经 Bonsai 2 量化后在中端游戏级硬件上可达约 50 t/s，本地复现门槛不算高。今晚可以做的第一步：clone 仓库，通读 team-solve 示例，弄清 5 个模型如何分工、通信与汇总答案；若想验证其宣称，可以把基准从「前 10 题」扩大到更大题量，再自行对比一次。
做AI项目，先看AI雷达 - AiRadar.com.cn · 全部AI快讯 →