LongTail-SWE更新模型排名
热点事件持续更新
LongTail-SWE更新模型排名
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
LongTail-SWE发布新一批评测结果并修复部分任务测试用例。Kimi K3.1 Pro以77%的任务完成率居开源权重模型首位,但每次尝试消耗560万tokens;DeepSeek V4.1 Flash得分76%,高于上一代V4 Flash的57%。闭源模型Opus 5.5与GPT-6.1 Sol均以82%并列榜首。Kimi K3在上下文从262K扩展至1M后重跑得72%,较此前提高8分。
AI 根据报道生成 · 46 分钟前更新
报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- AGI HuntLongTail-SWE 榜更新:Kimi K3.1 Pro 77% 居开源之首,DeepSeek V4.1 Flash 达 76%
LongTail-SWE 发布新榜单结果,Kimi K3.1 Pro 以 77% 居开源权重模型首位,但每次尝试消耗 560 万 tokens。DeepSeek V4.1 Flash 1017 得分 76%,高于上一代 V4 Flash 的 57%;闭源阵营 Opus 5.5 与 GPT-6.1 Sol 均以 82% 并列榜首。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。