已过期50% 置信基准精确时间

Reflection 公布的基准数据（未经第三方独立验证）：SWE-bench Verified 80.9，Terminal Bench v2.1 80.1，DeepSWE v1.1 44.4。

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/10/12

首次发现

此条事实已过期，仅作历史留存，不再代表当前状态

有效期至：2026/10/26(已过期)

来源

Reflection Beam：501B存、23B醒，自托管者必读

涉及实体

相关事实

待验证SWE-Bench Verified是经人工验证的500道高质量子集，SWE-Bench Lite是300道较简单的子集64% 相似待验证同一个DeepSeek v1.1模型在Terminal Bench 2.0上不同Harness下的得分从69.8%跨到74.2%62% 相似待验证iQuest Q1 在基准测试中 CyberGem 得分 84.5，Terminal Bench 2.1 为 83.259% 相似待验证DeepSeek V4.1号称SWE拿到74，但博主发现那是多次测试中挑出的最好成绩，open code实测65、PI实测6659% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1011089

API

curl https://kongchang.com/api/v1/knowledge/claims/1011089

MCP

get_claim(id=1011089)