待验证50% 置信基准精确时间
Unlimited OCR 2 在 MarathonDocBench 上取得 77.1 分
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/27
首次发现
有效期至：2027/1/25
来源
涉及实体
相关事实
待验证同一个DeepSeek v1.1模型在Terminal Bench 2.0上不同Harness下的得分从69.8%跨到74.2%59% 相似待验证以DeepSeek V4 Pro为backbone时，SwarmRSI在OpenProblems上平均得分74.2，超过此前SOTA的67.1。53% 相似待验证在 WildSongBench (WSB) 基准上，YuE2 取得了 6.73 的 SongBench 全球平均分，在报告发布时是所有公开基线中最高的；采用 best-of-8 策略后分数升至 6.96，是所有评估系统中观察到的最高均值，包括商业系统。52% 相似待验证DeepSeek V4.1号称SWE拿到74，但博主发现那是多次测试中挑出的最好成绩，open code实测65、PI实测6651% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1102917API
curl https://kongchang.com/api/v1/knowledge/claims/1102917MCP
get_claim(id=1102917)