CursorBench 4.0 发布:任务更难更长程,各家模型得分集体下降
StringChaos · x · 2026-09-11
CursorBench 编码基准升级至 4.0 版本。新版本新增了考察模型指令遵循能力、以及在复杂长期项目中持续工作的任务,整体难度显著提高,所有模型得分因此下降。团队强调,随着模型能力快速进步,基准需要作为「活的标准」持续更新,才能反映当下真实的使用方式。
所属事件:CursorBench 4.0 发布：难度提升各家得分下滑，Fable 5.1 Max 居首(6 条相关)→
「编程与Agent」频道最新
- Will DePue 呼应 OpenAI 加 API 级能力：让多智能体一次并行分发上千个小模型调用 — willdepue · 2026-10-28
- DeckWerk 新版获早期用户好评：连续数周用于真实演讲 — vincesitzmann · 2026-10-28
- Opus 5.5 剪视频可替初级剪辑师，资深剪辑师日产出翻 5 倍 — dotey · 2026-10-28
- 软件栈正为Agent重构:开发者站点、浏览器乃至编程语言都在agent-first — mobileraj · 2026-10-28
- HABIT-Bench:八种记忆系统测用户习惯推断,最佳仅33.61% — SJTU · 2026-10-28
- 「钢琴测试」思想实验：你敢坐在形式化验证过的代码下吗 — moyix · 2026-10-28