Tev-27B
基于 Tev 框架训练的长周期智能体模型，具有跨域泛化能力，在多个智能体基准上表现优异
时间轴 (近 90 天)
用 PPRS 方法训练出的模型是 Tev-27B。
Tev-27B 在中周期任务 TB 2.1 上达到了 Claude Opus 4.8 级别的表现。
Tev-27B 仅在 ALE 相关数据上训练却能泛化到 Terminal-Bench，暗示其学到了某种领域无关的长周期任务执行能力，而非仅记住特定任务解法。
Tev 同时给出了数据基础设施（Tev-Gym）、训练方法（PPRS）和验证结果（Tev-27B），形成了一个完整闭环。
Tev-27B 在未见过 Terminal-Bench 训练数据的情况下，在 TB 3.0 和 4.0 子集上超过了 GLM 5.2 和 Gemini 3.7 Flash；在 TB 2.1 上达到了 Claude Opus 4.8 的表现。
Tev-27B 的泛化能力限于相似领域（计算、数学）；迁移到全新领域（法律研究、硬件设计）大概率需要重新训练。
Tev-27B 完全在 ALE（Agents' Last Exam）的计算与数学科学领域上使用 PPRS 训练，在 ALE-CM 的 Pass@5 指标上匹配了 GPT-6 Astra 和 Claude Opus 5。
全部知识事实 (7)
Tev 同时给出了数据基础设施（Tev-Gym）、训练方法（PPRS）和验证结果（Tev-27B），形成了一个完整闭环。
50%待验证Tev-27B 在中周期任务 TB 2.1 上达到了 Claude Opus 4.8 级别的表现。
50%待验证Tev-27B 仅在 ALE 相关数据上训练却能泛化到 Terminal-Bench，暗示其学到了某种领域无关的长周期任务执行能力，而非仅记住特定任务解法。
50%待验证Tev-27B 在未见过 Terminal-Bench 训练数据的情况下，在 TB 3.0 和 4.0 子集上超过了 GLM 5.2 和 Gemini 3.7 Flash；在 TB 2.1 上达到了 Claude Opus 4.8 的表现。
50%待验证Tev-27B 的泛化能力限于相似领域（计算、数学）；迁移到全新领域（法律研究、硬件设计）大概率需要重新训练。
50%待验证Tev-27B 完全在 ALE（Agents' Last Exam）的计算与数学科学领域上使用 PPRS 训练，在 ALE-CM 的 Pass@5 指标上匹配了 GPT-6 Astra 和 Claude Opus 5。
50%待验证用 PPRS 方法训练出的模型是 Tev-27B。
50%