ProgramBench 新增 Pareto 曲线，两个月内模型进步明显
jyangballin · x · 2026-07-27
ProgramBench 新增了 Pareto 曲线，可以按单个任务实例查看模型在成本与效果之间的权衡。
作者同时说明：
- 这里用 % tests passed 只是示意指标；
- 官方仍建议以 % resolved 作为正式指标；
- 从配图看，基准发布仅 2 个月，模型在成本和通过率上的曲线已经有明显进展。
这条的核心意思是：ProgramBench 让人更容易看出模型在不同成本区间的真实提升，且进步速度很快，值得尽早拿来评测。
所属事件:ProgramBench新增Pareto曲线追踪模型进步(3 条相关)→
「模型」频道最新
- Looped Transformer 从头训练更优，两次 pass 最划算 — jm_alexia · 2026-07-27
- Nebius 为明天的 Kimi 发布做准备，招聘影响更大 — demian_ai · 2026-07-27
- Claude Opus 5 在 VoxelBench 排第三，距第一仅差 30 Elo — legit_api · 2026-07-27
- 一条转发强调：开源模型和开放权重不是一回事 — RisingSayak · 2026-07-27
- 开源模型之争正变得阵营化，信心已超过证据 — matt_slotnick · 2026-07-27
- Moonshot 为 Kimi-K3 放出 2026 年 7 月 27 日倒计时 — teortaxesTex · 2026-07-27