Same Pieces, Different Servers：面向"服务化"AI Agent 的 Tetris 基准测试

研究者提出 Tetris 基准，用同一组方块、以 oracle 评分衡量 AI Agent 从"服务化"模型获得的决策质量。在一家 serverless 供应商上对 9 个开源权重模型做 5 组预设实验，并自托管一个开源决策模型跑在 CPU 上，发现价格与模型规模不预测决策质量；重发历史在缓存输入免费时几乎零成本，若不免费则贵 11-12 倍且让棋局变差。