待验证50% 置信基准精确时间

AREX-2 在深度研究类任务上取得成绩：BrowseComp 84.0、HLE 52.6、GAIA 92.2、DeepSearchQA 93.8

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/1

首次发现

有效期至：2026/12/30

来源

AREX-2：用长程反思任务打造自我改进的AI智能体

涉及实体

AREX-2product BrowseCompconcept HLEconcept GAIAconcept DeepSearchQAconcept

相关事实

待验证DeepSeek的编程智能体DeepSWE在SWE-bench基准测试中从预览版的12.8分提升至62.7分63% 相似待验证DeepSeek V4.1 Flash在Deep SWE软件工程代码测试上拿到74分，是UP主见过的第一个在Deep SWE上达到74分的开放权重模型62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/963925

API

curl https://kongchang.com/api/v1/knowledge/claims/963925

MCP

get_claim(id=963925)