待验证50% 置信事实精确时间
T3层级（一般）工具综合评分约6分，包括Continue、Zed、百度Comet、WorkBody、GLM同义零码等。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/23
首次发现
有效期至：2026/11/6
来源
AI编程工具20强榜单：从夯到拉的评分矩阵
bilibili落叶说IT2026/10/23
涉及实体
相关事实
待验证研究评估了13个VLM，涵盖GPT、Gemini、Gemma、Mistral、Qwen五大主流系列，参数量从3B到32B不等62% 相似待验证GLM-5.3在六项评测中的成绩为：终端编程基准3.0得28.3、深度软件工程基准得66.9、智能体中场考试得28.5、自动化基准得48.2、带工具的人类终极考试得62.5、GDP价值评估AA2版得17.6961% 相似待验证Meta的Llama、Google的Gemma、Microsoft的Phi等开源小模型系列在3B-7B参数范围内持续刷新性能上限61% 相似待验证DataBugBench 测试覆盖了五款模型：Claude 3.5 Sonnet、GPT-4o、Gemini 1.5 Pro、Qwen 2.5 Coder 32B、Llama 3.3 70B60% 相似待验证在EvoArena测试中，Step Level最高的GPT-5.5只有50%出头的准确率，Chain Level表现最好的Gemini-3.1 Pro和GLM-5.1也只有约28%-29%58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1090074API
curl https://kongchang.com/api/v1/knowledge/claims/1090074MCP
get_claim(id=1090074)