Qwen3.5-4B 智能体运行50次的失效模式实测

作者在统一本地环境中用10个智能体框架和5项任务测试Qwen3.5-4B，共运行50次，其中6个框架通过全部任务。主要失败并非工具调用解析错误，而是精确匹配编辑、只修复可见测试、计数错误、误解模糊指令和框架接口不兼容；相同硬件下完成时间从1m36s到17m43s不等。