你测本地模型的方法可能是错的！本地跑编程 Agent 选错模型白烧钱？实测 7 个模型排名全洗牌

大白话有位开发者把自己 10 月做的本地模型横评又跑了一遍，这次换成 llama.cpp 0.9 和更新版 Strata 引擎，模型、参数、随机种子全都没动，本以为排名会稳，结果全变了。最离谱的是第一轮测试里，几个带思考模式的模型 Agent 得分从 96% 掉到 58%，查记录才发现是思考链把每轮 512 个 token 的预算烧光，还没调工具就结束了。把上限调回 1024/8192 后，分数又弹回去。

对你意味着如果你在自己电脑上跑本地模型写代码，这篇能帮你避开「测出来是模型不行、其实是参数没给够」的坑。