待验证50% 置信基准精确时间
新模型在厂商自己的11项基准测试中全部上涨，Terminal-Bench 4.0 提升 11.1 分，ProgramBench 提升 8.8 分。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/18
首次发现
有效期至：2026/11/1
来源
涉及实体
相关事实
待验证Program Bench分数从20.3分升至29.1分，提升8.8分，使用的是'Almost'口径（9次测试中5次通过即算通过）。73% 相似待验证在Automation Bench测试中，成绩从Cell的8.1提高到Astra的41.4，CAD任务从83.3提高到95.964% 相似待验证相对开源基座模型Qwen3.5-4B，OPRD在SWE-bench Verified、SWE-bench Pro、SWE-bench Multilingual三个基准上的平均任务解决率提升了11.3个百分点。63% 相似待验证在 Terminal Bench 2.1 测试中，AutoPrompt Scale 使 OpenCode 在 89 个任务中的失败数从 29 降到 16，多解决 13 题，分数提升 14.61 个百分点63% 相似待验证TrialScribe在八项指标上使本地部署的开放权重模型提升6.2至59.4分，使其能够匹配甚至超越GPT-5.6-Sol等专有模型。61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1061799API
curl https://kongchang.com/api/v1/knowledge/claims/1061799MCP
get_claim(id=1061799)