1400 万代码任务喂出来的文心 5.5:Terminal-Bench 46.5、DeepSWE 71.2
xiaohu · x · 2026-11-11
百度称文心 5.5 Flash Preview 仅编程训练就用了 1400 多万个可执行代码任务。评测成绩:Terminal-Bench 4.0 得 46.5,DeepSWE v1.1 得 71.2,纯文本版 BlenderWorld 得 79.0。
所属事件:百度发布 ERNIE 5.5 Flash Preview，11 月 25 日开源(9 条相关)→
「模型」频道最新
- 开发者自建 git 网页应用被 Codex 安全护栏误判为网络安全风险 — brianmichel · 2026-11-11
- DeepSeek 开源编码 agent DSH 登上 HF Harness 榜，五项评测并列第一 — TheZachMueller · 2026-11-11
- 博主断言美国开源模型将凭盈利模式主导，但仍难追 Claude — marktenenholtz · 2026-11-11
- NVIDIA 发布开源 GR00T 2：真实灵巧手全自动完成化学实验 — EricBuess · 2026-11-11
- 降价反而更贵:新模型太爱自查，单任务成本涨31% — tengyanAI · 2026-11-11
- 美国数据厂商被指向中国军方关联企业出售RL环境数据 — xeophon · 2026-11-11