待验证50% 置信基准精确时间
JetBrains 自报评测结果：Mellum2.1 在 SWE-bench Verified 得 47.0%、SWE-bench Pro 28.0%、Terminal-Bench 2.1 得 17.4%、LiveCodeBench v6 得 82.0%、HumanEval+ 得 91.5%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/13
首次发现
有效期至：2027/1/11
来源
涉及实体
相关事实
待验证在 JetBrains 自报的评测中，12B MoE 的 Mellum2.1 在单次代码生成任务（LiveCodeBench、HumanEval+）上胜出，但在多步 agentic 基准（SWE-bench Pro、Terminal-Bench）上输给 dense 9B 的 Qwen3.5-9B。69% 相似待验证Reflection 公布的基准数据（未经第三方独立验证）：SWE-bench Verified 80.9，Terminal Bench v2.1 80.1，DeepSWE v1.1 44.4。61% 相似待验证SWE-2在FrontierCode 1.1 Main基准测试上取得了50.0%的成绩61% 相似待验证MiniCPM5-2B在SWE-bench上取得46.4分59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1016867API
curl https://kongchang.com/api/v1/knowledge/claims/1016867MCP
get_claim(id=1016867)