待验证50% 置信基准精确时间
官方给出了针对Terminal Bench 2.1、SWE Bench Verified/Pro以及CLAW Eval等多个基准的评测数据
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/7
首次发现
有效期至：2026/10/5
来源
Ornith 9B实测：16GB Mac Mini能否胜任本地AI编码？
bilibili四月的尾巴_2026/7/4
相关事实
待验证SWE-Bench推出了SWE-Bench Verified和SWE-Bench Multimodal变体，前者人工筛选确保可解性，后者加入截图等多模态上下文73% 相似待验证本次评估框架包含 ARC-AGI-V2、SWE-Bench、Terminal Bench 2.0、GPQA 和 MMLU 五项基准测试69% 相似待验证该 Terminal-Bench 2.1 成绩使用的是公开评测框架（public harness）65% 相似待验证SWE-bench测试样本取自真实GitHub仓库的历史Issue，评分标准是能否通过仓库原有的完整测试套件63% 相似已验证SWE-bench Verified经过人工审核确保每个实例的质量和可解性62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/176262API
curl https://kongchang.com/api/v1/knowledge/claims/176262MCP
get_claim(id=176262)