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
- Arav Srinivas 称 GLM 被低估，700B 规模接近 Opus — AravSrinivas · 2026-07-28
- Kimi K3 复现 RLVR 研究结论且不乱下结论 — infoxiao · 2026-07-28
- Inference.net 推出流量镜像评测流程，先试 Kimi K3 再切换 — MatthewBerman · 2026-07-28
- Claude 被退订：ChatGPT/Codex 5.6、Sol、Kimi 3 都吃力 — sull · 2026-07-28
- GLM 5.5 被曝 8 月发布，主打长程智能体循环 — bindureddy · 2026-07-28
- Kimi K3 登陆日本，2.8 万亿参数开权重并给出低价推理 — DavidBennett__ · 2026-07-28