研究揭示当前 LLM Agent 基准测试对上下文压缩具有较强适应性

基于 OpenCode 脚手架对三个前沿模型在 PaperBench、ProgramBench 和 PostTrainBench 上的评估显示，除 GPT-5.3-Codex 外，1M 上下文模型性能未受压缩阈值显著影响。 5 种压缩策略中，默认自总结表现最佳，丢弃内容的策略部分模型性能最多损失 20 分；基准因状态存盘而具备“压缩友好”特性，但任务约束丢失风险仍存。