基准
DeepSui
针对软件工程自动化的专项评测基准，聚焦于有明确解的代码调试与功能实现任务，用于衡量AI模型在结构化编程问题上的能力
时间轴 (近 90 天)
10月4日
Gemini 4在DeepSui上以77.9%刷新纪录（Opus 5.5为74.2%），但在FrontierSui上仅55%，在TerminalBench 4.0上以57.4%垫底
待验证50%
针对软件工程自动化的专项评测基准，聚焦于有明确解的代码调试与功能实现任务，用于衡量AI模型在结构化编程问题上的能力
Gemini 4在DeepSui上以77.9%刷新纪录（Opus 5.5为74.2%），但在FrontierSui上仅55%，在TerminalBench 4.0上以57.4%垫底