基准LiveCode Bench V6
LiveCode Bench
动态更新的编程能力评测基准，使用竞赛级编程题目，通过持续更新防止模型通过记忆历史题目获得虚高分数
时间轴 (近 90 天)
9月18日
该模型官方跑分为SWE Bench Pro 61.7、LiveCode Bench V6 90.3、OS World 84.3
待验证50%
动态更新的编程能力评测基准，使用竞赛级编程题目，通过持续更新防止模型通过记忆历史题目获得虚高分数
该模型官方跑分为SWE Bench Pro 61.7、LiveCode Bench V6 90.3、OS World 84.3