待验证50% 置信基准精确时间

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34.5

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80% 相似待验证Step 3.7 Flash 在 SWE-Bench PRO 基准测试中以 56.3 分排名第二72% 相似待验证盘古2.0 Flash在可验证指令遵循测试中得分95.9，位列全场第一70% 相似待验证Step 3.7 Flash 在 ClawEval-1.1 基准测试中以 67.1 分领先69% 相似待验证Step 3.7 Flash 在 SimpleVQA 基准测试中以 79.2 分排名第一67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/463525

API

curl https://kongchang.com/api/v1/knowledge/claims/463525

MCP

get_claim(id=463525)