Mercor 发布开源长程工程基准 OWE-Bench

Mercor 发布长程工程基准 OWE-Bench，以 26 个完整工程项目测试编码 Agent 端到端完成真实工程的能力，覆盖 GPU kernel、CAD、飞行器设计等 4 个领域，单次尝试需 4–18 小时、平均消耗 1.24 亿 token。