待验证50% 置信基准精确时间
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%
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/15
首次发现
有效期至：2026/12/14
来源
涉及实体
相关事实
待验证旗舰Soul在Terminal Bench 2.1基准上取得91.9%的成绩70% 相似待验证SWE-2在Terminal-Bench 2.1基准测试中取得了92.8分的成绩67% 相似待验证在SWE-Bench Multilingual测试中，HY3得分75.8，略微落后于DeepSeek V4 Pro的76.264% 相似待验证在DeepSWE上，各模型分数从顶部GPT 5.5的70%到底部Cloud Haiku 4.5的0%，区分度远大于SWE-Bench Pro约30分的集中区间64% 相似待验证根据Artificial Analysis排行榜数据，DeepSeek V4 Pro分数从52分提升到53分，仅有1分差距63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/923846API
curl https://kongchang.com/api/v1/knowledge/claims/923846MCP
get_claim(id=923846)