热点事件持续更新
Devin SWE-2 升至 EvalMapBench 第三
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
第三方私人基准 EvalMapBench 6.7 的新结果显示，Cognition 的 Devin SWE-2 (max) 在该榜升至第三。该测试包含 43 个「细节保持」维护工单，Devin SWE-2 (max) 解出其中 25 个，与 Claude Sonnet 5.5 (xhigh) 并列。排名在两者之上的分别是 Claude Mythos 5.1 与 Fable 5.1，解出 29 个。报道未提及此前的具体名次与解出数量。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- AGI HuntDevin SWE-2 跃居 EvalMapBench 第三，43 项细节测试解出 25 项
第三方私人基准 EvalMapBench 6.7 新结果显示，Cognition 的 Devin SWE-2 (max) 升至第三，43 个「细节保持」维护工单解出 25 个，与 Claude Sonnet 5.5 (xhigh) 并列，仅次于 Claude Mythos 5.1 与 Fable 5.1（29 个）。
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。