待验证50% 置信基准精确时间

在SWE Bench Pro上Glimmer以51.2略胜Qwen的50.2，但在SWE Bench Verified（Qwen 77.2 vs 76）和Terminal Bench（Qwen 60.7 vs 51.7）上Qwen反超

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/11

首次发现

有效期至：2026/12/10

来源

Meta Muse Glimmer量化实测：30B模型塞进14GB内存跑Agent

涉及实体

Muse Glimmermodel Qwen 3.6model SWE Bench Proconcept SWE Bench Verifiedconcept Terminal Benchconcept

相关事实

待验证在终端基准（Terminal Bench）测试中，Qwen 3.6 27B得分约60.7，而Muse Glimmer只有51.7，明显落后75% 相似待验证Qwen3.8-Flash-Next在SWE-bench 1.1和SWE-bench Pro测评中分别取得58.7和62.5的成绩73% 相似已验证Qwen3.6 27B 在 SWE-bench Verified 上拿到77.2分73% 相似待验证Qwen 3 Max综合八项测试获得65分，得分率81.25%，在测评者排行榜上位居第二，仅次于得分82.5%的Claude旗舰67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/909117

API

curl https://kongchang.com/api/v1/knowledge/claims/909117

MCP

get_claim(id=909117)