五个小模型组队，打平了最强编码模型
GVS5H的方法叫账本式零样本自编排：不做额外训练，多个全新模型实例通过共享文件系统协作，文件里放着计划、笔记与当前解法。测试用的是LiveCodeBench最新100道难题，每款模型跑五次、开启推理。
- 01THE PROJECT：10月25日，GVS5H登上Hacker News首页，账本式自编排方法公开。
- 02THE SETUP：五个Qwen实例通过共享文件系统协作，计划、笔记与解法全部落盘。
- 03THE RESULT：Qwen3.8-27B从66.8%升至92.4%，Flash-Next达93.0%，超过Fable 5单次得分。
WHAT HAPPENED发生了什么
数字来自项目方与Hacker News讨论：本地部署的开源Qwen3.8-27B单打独斗时66.8%，编排后升至92.4%，提升25.6个百分点，超过Claude Fable 5单次调用的90.4%。更大的Qwen3.8-Flash-Next编排后达到93.0%，项目方称成本为Fable 5的9%。
方法并非万能：11款模型中部分无提升甚至变差，循环本身比单次调用消耗更多算力，项目方没有给出等token对比。基准本身也有争议：给单轮评测设计的题目套上智能体循环，不完全是同一场比赛；LiveCodeBench是2025年的基准，有研究者认为已经饱和。
THE METHOD账本，比模型更重要
GVS5H的核心不是新模型，而是一套协作账本：计划文件、任务清单、验证角色，全部写在共享文件系统里。模型实例彼此不直接对话，只通过账本读写来分工。
项目方的归因很直接：提升来自任务拆解与持久上下文，不是某个实例突然变聪明。推理时的组织方式，正在成为与训练同等重要的性能变量。
THE COST QUESTION便宜，是相对旗舰而言
Flash-Next编排后93.0%、成本约Fable 5的9%，这组数字很容易被读成全面胜利。实际账目要复杂得多：循环调用本身消耗更多token，本地部署还需要自己的硬件与运维。
真正的成本比较不在单次调用价格，而在完成一道难题的总花费。项目方没有给出等token对比，9%这个数字只能读作项目方口径，不能直接当成采购结论。
THE BENCHMARK CAVEAT同一场比赛，不同规则
争议点同样要写进正文：LiveCodeBench为单轮评测设计，套上智能体循环等于换了规则；基准本身是2025年的题目集，部分研究者认为已经饱和。
这不否定方法的价值，只限定结论的范围：编排证明的是推理组织方式的潜力，不是Qwen3.8-27B在所有编码任务上全面超过旗舰模型。
SIGNAL JUDGMENT队形，有时候比体格重要
GVS5H的价值不在92.4%这个数字，而在它证明了一件事：推理时的组织方式可以补上训练规模的差距。Tokenta Signal的判断不变：编码竞赛的下一站是编排竞赛，模型厂商要卖的不只是权重，还有把小模型排成旗舰队形的方法。
WHAT REMAINS UNCERTAIN还有什么不确定
EVIDENCE证据
原文确认核心数字：Qwen3.8-27B从66.8%升至92.4%、Fable 5为90.4%、Flash-Next编排后93.0%且成本约9%，同时写明了非普适性与基准争议两项保留。
PRIMARY SOURCES原始来源
- PakTechStan：Five Small Open Models Just Outscored Claude's Best Coder
https://paktechstan.com/five-small-open-models-just-outscored-claude-s-best-coder-with-no-extra-training - GitHub 项目 GVS5H
https://github.com/slee-persis/GVS5H - ai0.news 2026-10-25 每日简报：Cerebras Spans 59 Wafers, Five Qwens Tie Claude Fable 5
https://ai0.news/posts/2026-10-25-daily-digest/