待验证50% 置信基准精确时间
官方公布的基准结果：LiveCodeBench v6 得分为 88.57，对比基座模型 89.71，保留 98.7%；SWE-bench Verified 得分为 77.00，对比基座模型 81.20，保留 94.8%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/2
首次发现
有效期至：2027/1/31
来源
涉及实体
相关事实
待验证JetBrains 自报评测结果：Mellum2.1 在 SWE-bench Verified 得 47.0%、SWE-bench Pro 28.0%、Terminal-Bench 2.1 得 17.4%、LiveCodeBench v6 得 82.0%、HumanEval+ 得 91.5%。70% 相似待验证LiveBench 七项评测中，Terra 总分 77.8，能动性（agency）项得分 48.6，远低于其编码（94.3）和浏览（93.1）分数。69% 相似待验证IQ3S档位在GPQA Diamond上得92.93（BF16基线91.92），LiveCodeBench V6为86.86（对比87.43），三项任务平均93.26对93.12，体积不到BF16的四分之一（约22%）67% 相似待验证剪枝弱化将 Qwen3.5-4B 在 LiveCodeBench v6 上的准确率从 39.1% 提升至 56.7%。67% 相似待验证对标 Qwen3.8-27B，Agens Volundr 32B 在 LiveCodeBench v6（+4.2）、HumanEval（+4.3）、AIME 2025（+2.9）、MATH-500（+1.6）领先66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1127283API
curl https://kongchang.com/api/v1/knowledge/claims/1127283MCP
get_claim(id=1127283)