待验证50% 置信基准精确时间

经过Agent轨迹微调后，CLM在Terminal-Bench 2.1上达到87.6%，在DeepSWE上达到81.6%

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/24

首次发现

有效期至：2026/12/23

来源

开源决策模型CLM挑战闭源Jev：延迟提速13倍

涉及实体

CLMmodel Terminal-Benchconcept DeepSWEconcept

相关事实

待验证零样本的Jev在DeepSWE基准上表现约71%，低于微调后的CLM的81.6%65% 相似待验证在DeepSuite V1.1基准下，同一模型在不同harness下的成绩从69.8%波动到74.2%65% 相似待验证在启用上下文管理下，Iris-mini在BrowseComp、BrowseComp-ZH、DeepSearchQA和HLE分别达到82.2%、84.8%、86.9%和52.3%63% 相似待验证同一模型在不同harness下运行Terminal Bench，分数从69.8%跨越到74.2%60% 相似待验证SWE-bench 发布初期顶级模型通过率不足 2%，当前领先系统通过率已突破 50%60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/946807

API

curl https://kongchang.com/api/v1/knowledge/claims/946807

MCP

get_claim(id=946807)