Signal65新基准揭示模型样本正确率与完整任务通过率分化

Signal65为PINNACLE推出上线以来首次大升级，通过Coding Agent独立测试评估模型在陌生代码库中按业务简报构建软件的能力。测试提供7.4万token文档和7200秒时限，并在200个未见样本上运行代码；一个托管模型样本回答正确率达97%，但30个完整任务均未通过。