同一智能体框架下模型榜单排名相反

Vals AI 与 AA 使用同一 mini-swe-agent harness 测试同一批模型，却得出完全相反的排名。 这意味着，在测试模型集合和运行框架相同的情况下，两家机构对模型表现的排序仍不一致；现有信息未说明排名差异的具体原因或涉及哪些模型。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。