Reddit 用户 GapNew4766 用同一个本地 Qwen3.5-4B 量化模型，测试十种 Agent 运行框架。每种框架执行五个小任务，每题一次；使用 M5 MacBook Pro（32GB 内存）、Q4_K_M 量化和 llama-server，64K 上下文设置固定，任务文件每次重置，由脚本判通过与否。因此“50 次”是十乘五的组合，既不是五十个独立任务，也不足以给框架排稳定榜单。
作者最意外的是，日志里没有找到畸形工具调用，失败却出现在工具语义与工作细节：跨三文件改函数名时，旧文本漏了一个空行，精确替换失败，模型原样重试五遍；另一次修补只照顾可见测试，隐藏字符串仍处理错误；日志计数把 43 行数成 40 行。还有答案写对但放错目录的情况。
评论者 porkminer 说自己改用按函数名与新定义替换的工具，减少逐字复述旧文本的要求；作者随即追问重名和重载，评论者承认尚未遇到，必要时应加文件或作用域信息。enternoescape 则提醒，读文件工具附加的行号有时也会干扰替换。这些意见给出了可检查的接口原因，并没有证明所有精确替换失败都来自模型能力不足。