[控场AI]
基准Frontier SWE 2

Frontier SWE v2

针对困难软件工程问题的基准测试,评估AI模型解决复杂工程任务的能力。

时间轴 (近 90 天)

11月10日

在 Frontier code 基准上,Fable 5.2 从 Opus 5 的 45.5% 提升到 49.1%;在 Frontier SWE v2 上提升约 7 个百分点。

待验证50%
10月18日

Frontier SWE v2 困难工程题上 Astra 得 65.5,Argon 得 55,差距明显;科学终端测试中 Astra 同样领先。

已过期50%

全部知识事实 (1)

来源文章