待验证50% 置信基准精确时间
盘古2.0 Flash在SWE-Bench Verified工程实战测试中得分仅63.1，在所有对比模型中垫底
1
来源数
50%
置信度
长期有效
时效性
2026/7/10
首次发现
来源
华为盘古2.0-Flash横评：指令遵循第一，代码工程垫底
bilibiliAI观模者2026/6/30
相关事实
待验证盘古2.0 Flash在可验证指令遵循测试中得分95.9，位列全场第一83% 相似待验证Step 3.7 Flash 在 SWE-Bench PRO 基准测试中以 56.3 分排名第二81% 相似待验证盘古2.0 Flash在Tau2-Bench客服工具调用测试中得分88.0，在WildCloudBench中得分41.5超过397B模型的34.580% 相似待验证盘古2.0 Flash在AIME类数学测试中得分93.3，在HMMT测试中得分91.5，数学能力处于第一梯队78% 相似待验证Step 3.7 Flash 在 ClawEval-1.1 基准测试中以 67.1 分领先76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/463524API
curl https://kongchang.com/api/v1/knowledge/claims/463524MCP
get_claim(id=463524)