LLaDA 2.2-flash 在多项基准上领先 Ling-2.6-flash
omarsar0 · x · 2026-07-26
这条主要是在复述同一张基准图里的结果。
- 其中醒目的一项是 SWE-bench Verified：49.28 对比 31.88。
- 另一张图还显示它在 SWE-bench Pro、SWE-bench Multilingual、τ²-Bench、BFCL-v4、MCP-Atlas、PinchBench、Claw-Eval 等任务上都领先。
所属事件:蚂蚁开源扩散大模型 LLaDA 2.2，主打智能体与自纠错(10 条相关)→
「模型」频道最新
- BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11