基准

Claw-Eval

用于评估代码与推理类智能体能力的基准测试，常作为分布外泛化评估的测试集

时间轴 (近 90 天)

10月1日

第二阶段在分布外基准Claw-Eval上继续进化，将得分从66.17提升至68.06，超过了Codex

待验证50%

第二阶段在分布外基准Claw-Eval上继续进化，将得分从66.17提升至68.06，超过了Codex