flockwise发布模型单次任务评测

flockwise-rl-env 项目作者发布 Claude Sonnet 5.5 与 Haiku 5.5 在 Rust 架构任务强化学习环境中的单次评测结果。该环境以嵌套粒子群优化库为任务，要求模型在可复现并行、借用、类型推断和组件随机性等约束下完成实现。 评测由 Claude Code 作为智能体，在 Docker 中通过 Harbor 0.25.0 运行，每次限时 30 分钟，网络仅可访问模型 API；每个模型仅尝试一次，结果不能视为通过率，全部测试通过时奖励才为 1。成本按 API 价格折算，实际试验使用 Claude 订阅。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。