FrontierSWE v2 发布：20 小时长程任务实测，Fable 5.1 领先超 24 个百分点
nrehiew_ · x · 2026-09-03
nrehiew 发布 FrontierSWE v2，在极难、极长程的任务上评测模型——模型需自主工作最长 20 小时。结果 Fable 5.1 以超过 24 个百分点的优势成为当前最佳模型。作者同时分享了长线程经验帖：模型在此类超长任务上的表现洞察与榨取性能的方法，包括自研 Proximus harness、submit 工具提醒时间预算、以及 reward hacking 防护与模型作弊案例。
所属事件:FrontierSWE v2 发布：20 小时长程任务实测，Fable 5.1 领先逾 24 个百分点(5 条相关)→
「模型」频道最新
- Mistral 发布 Timestral 时序预测模型，500 万参数可跑普通 CPU — lmoroney · 2026-10-18
- 曝 Hugging Face 热榜被刷:AutoTrust 模型靠数千养号点赞冲榜 — mrfakename0 · 2026-10-18
- Google AI Studio 全面升级:Gemini 4 Argon 驱动全栈应用一键部署 — clmt · 2026-10-18
- 爆料:OpenAI 下周将发布新模型,代号 aurora 疑似三款 alpha — imjustnewatai · 2026-10-18
- 用户吐槽 Gemini 推出 Argon 后大面积卡顿：一半请求挂起 — johnfromberkeley · 2026-10-18
- Domingos：叠加是特性而非缺陷，不损可解释性反增记忆容量 — pmddomingos · 2026-10-18