27B小模型挑战Fable 5？ 还成功了？

劲爆消息， 在 Iterative-Contextual-Refinements 这个框架的加持下， Qwen3.6-27B 跑分超过了 Anthropic Fable5！

真的不是做梦吗？ 还是跑分没输过， 实战没赢过？

于是赶紧看了一下这个框架， 发现设计的很有启发性， 能学到很多东西， 给大家详细讲下.

这个框架主要提升的是软件性能优化， 即如何才能让代码性能更高. 大家如果还记得我那个 vector-db-bench， 给大模型提供了火焰图， perf， 各种测试 tool_call 让大模型自己迭代去优化代码性能.

而这个框架更进了一步， 它瞄准了小模型的最核心弱点， 参数量不足导致的"脑残"， 即小模型更容易长上下文衰退或陷入局部最优.

于是这个框架出手了， 先针对技术方案， 它搞了个BFS探索模式， 在写代码的 plan 过程， 让小模型自己提出多种解决方案， 比如写个字符串匹配， 小模型直接搞了个O（N^2）的暴力搜索， 而这一步它的Agent会让小模型思考， 你能想到哪些可能的解决方案？ 于是就拓展了小模型的视野， KMP， 滑动窗口等技术方案没准就出来了.

然后就是写代码的过程中使用的DFS模式， 它会借助Agent让小模型借助代码性能测试工具不断跑分， 然后让小模型反思， 有哪些性能热点可以优化， 然后进行优化.