Meta 研究讓 80 億參數小模型匹敵 Claude Opus 4.5：AI 效率革命降低企業部署門檻

Meta AI 與伊利諾大學厄巴納-香檳分校的研究人員在 8 月 28 日發表了一項引人注目的研究成果——EvoHarness-RL 框架，成功讓僅 80 億參數 的小型 AI 模型在代理任務中達到 96.9% 的成功率，與 Claude Opus 4.5 和 GPT-5 等頂尖前沿模型旗鼓相當。這項突破對企業 AI 部署的算力成本結構具有深遠影響。

根據 VentureBeat 的獨家報導，研究團隊使用 Qwen3-8B 作為基礎模型進行訓練，然後將其與多個前沿模型進行比較。結果顯示，經過 EvoHarness-RL 訓練的 8B 模型在 ALFWorld 基準測試中達到了 96.9% 的平均成功率——相比之下，Claude Opus 4.5 的成績為 96.4%，而受訓模型在未經訓練的基礎版（ReAct 方法）中僅有 47.9%。這意味著訓練框架帶來了近 49 個百分點的提升。

EvoHarness-RL 的核心創新：讓 AI 學會「何時使用工具」

傳統上，AI 代理在執行複雜任務時，依賴開發者手寫的規則和指令來決定何時使用工具、如何管理記憶。這種方法有兩個根本問題：規則僵化且無法隨模型升級而自動調整。當模型升級時，手寫的提示詞和規則往往需要大量的人力調整。

EvoHarness-RL 引入了一個名為 BPE（Belief、Progress、Experience） 的統一框架，將 AI 代理的外部支援系統歸納為三個功能區域：

Belief（信念）：維持對當前環境的準確理解，例如即時的系統狀態和 API 連接狀況
Progress（進度）：追蹤已完成和待完成的子目標，避免重複或遺漏
Experience（經驗）：跨任務重用歷史知識，從過去的成功和失敗中學習

AI 代理通過四個簡潔的元操作（track、commit、recall、note）與這個儀表板互動——而非使用複雜、領域特定的 API。研究人員將這比喻為「給 AI 一個乾淨的工作檯面，而不是一堆說明書和工具櫃」。

強化學習的第二階段：教會 AI 何時「省錢」

EvoHarness-RL 的訓練流程分為兩個階段。第一階段是監督式微調，教會基礎模型如何從雜亂的互動日誌中提取有用資訊並結構化到 BPE 框架中。第二階段則更具創新性——通過「成本感知」強化學習，教會 AI 在何時查詢外部狀態是值得的。

研究人員觀察到一個稱為「harness annealing」的有趣現象。在訓練初期，AI 代理幾乎在每一步都頻繁查詢其經驗和進度追蹤器。隨著它逐漸掌握常規操作，它會主動減少對外部工具的依賴，將成功的模式直接嵌入模型參數中。在企業場景中，這直接轉化為更低的延遲和更少的運算成本——AI 不再浪費 token 去查詢它已經熟練掌握的標準工作流程。

同時，AI 展現了「harness evolution」的能力：面對簡單、熟悉的任務時快速繞過工具，而遇到新環境或意外障礙時則主動增加對 Belief 和 Experience 模組的使用。這種動態調適策略，使得 AI 能夠在效率和準確性之間取得最佳平衡。

對所有人的普適效益：即使不用強化學習也有幫助

值得注意的是，EvoHarness-RL 的效益不僅限於經過訓練的小模型。研究人員發現，即使將 BPE 框架作為提示使用——不經過強化學習訓練——也能顯著提升前沿模型的表現。GPT-4.1 的成功率提升了 22.1 個百分點，GPT-5 提升了 25.7 個百分點。這意味著 BPE 框架本身就是一種有效的提示工程策略，可以即插即用於現有模型中。

對於 Meta 而言，這項研究與其開源 AI 策略高度一致。如果小模型能夠在關鍵代理任務上匹敵前沿模型，企業客戶就無需為每個工作流程支付昂貴的 API 費用。這也解釋了為何 Meta 持續投資於 Llama 系列的開源模型生態。

對企業與在職人士的啟示

第一，小模型時代已經到來。 EvoHarness-RL 證明了參數規模不是決定 AI 性能的唯一因素——訓練方法和工具使用策略同樣重要。對香港企業而言，這意味著 高性能 AI 代理不再需要大規模 GPU 集群或昂貴的雲端 API 訂閱。本地部署小模型的可能性正在顯著增加。

第二，「提示工程」正在進化為「代理工程」。 傳統的提示工程側重於如何向 AI 提問。EvoHarness-RL 揭示了一個新方向：如何設計 AI 代理的「認知架構」——包括其記憶系統、工具使用策略和狀態管理機制。對 AI 從業者而言，理解代理架構設計將成為下一階段的核心競爭力。

第三，開源 AI 的生產力門檻持續降低。 當一個 8B 參數的小模型可以匹配頂尖閉源模型時，企業的 AI 部署策略將擁有更大的靈活性。香港企業可以考慮 混合 AI 部署策略：將常規任務交由本地小模型處理，僅將複雜、罕見的邊緣案例發送至雲端前沿模型——這種混合模式在顯著降低成本的同时仍能保持高品質輸出。

第四，關注 AI 代理的「自主調適」能力。 EvoHarness-RL 中觀察到的 harness annealing 現象——AI 學會在熟練後減少工具使用——展示了 AI 代理如何變得更加高效。對企業技術團隊而言，評估 AI 代理時不僅要看其基準成績，更要看其在長期運行中是否能夠自我優化。

第五，保護資料私隱的新可能。 小模型可以在本地設備上運行，無需將企業敏感資料發送至雲端。對於金融、醫療和法律行業的香港企業，EvoHarness-RL 展示的路徑——高性能小模型 + 智慧代理框架——提供了一條在保持資料私隱的同時獲得前沿 AI 能力的可行路線。

Meta 的 EvoHarness-RL 研究不僅是學術論文中的一個新基準——它為 AI 效率樹立了一個新的方向標。對於正在評估 AI 部署策略的香港企業和專業人士，這項研究傳遞了一個明確的信號：改變 AI 遊戲規則的不僅是更大、更強的模型，還有更聰明、更節省的訓練和使用方法。