小模型加审查循环以 58% 成本追平大模型

在 20 个 ProgramBench 任务上，GPT-5.6 Luna 用构建加独立检查的双节点循环，达到 GPT-5.6 Sol 单次运行得分的中位成本为后者的 58%；按 Sol 的成本预算计分，循环在 20 个任务中 15 个得分更高。