BOTTLED 基准：LLM 智能体能否把能力封装成低成本的专用方案

论文提出 bottling 概念，指 LLM 智能体把通用能力转化为任务专用的低成本方案，例如训练小模型或写可复用程序。BOTTLED 基准给智能体完整无标注工作负载，要求在固定时间、算力和 API 预算内完成。跨 10 个模型、3 个任务的测试显示，60 次运行中有 48 次低于各自模型零样本表现的 95% 置信区间下界，31 次跑不过同等 token 预算下的小模型蒸馏基线。但收益也很可观：Opus 5 在查询-商品相关性分类上以约 657 倍更低的成本保留约 82% 的零样本 macro-F1，并以四分之一成本恢复专用廉价模型 Jev 约 94% 的 macro-F1。