基准

NL2Repo-Bench

衡量从自然语言规格生成可运行代码仓库能力的基准

时间轴 (近 90 天)

10月19日

在 ProgramBench、NL2Repo-Bench、Automation-Bench、Agents' Last Exam 四个基准上，V4.1 Flash 1017 得分分别为 29.1、68.2、60.5、35.4，均高于 V4 Pro 0813 的 15.5、61.5、43.2、25.7

待验证50%