基准
Context Bench
面向编程Agent的上下文管理基准测试,评估Agent在真实代码库探索任务中的表现与成本效率
时间轴 (近 90 天)
11月7日
在 DeepSeek V4.1 Flash 上运行的 Context Bench 基准测试中,Billion Context 的 F1 分数为 0.31,超过全上下文的 0.29;成本为 4.61 美元,比全上下文的 11.05 美元降低 58%。
待验证50%
面向编程Agent的上下文管理基准测试,评估Agent在真实代码库探索任务中的表现与成本效率
在 DeepSeek V4.1 Flash 上运行的 Context Bench 基准测试中,Billion Context 的 F1 分数为 0.31,超过全上下文的 0.29;成本为 4.61 美元,比全上下文的 11.05 美元降低 58%。