返回簇列表
传闻簇行为开启Mongo 实时数据

长程终端基准测试发布：MiniMax M3 登顶，Kimi K2.7 Code 与 GLM 5.2 分列二三

长程终端基准测试（LHTB）在 Hugging Face Hub 发布，包含46项任务，要求大语言模型智能体在终端连续完成300多步操作；榜单前三为 MiniMax M3、Kimi K2.7 Code 和 GLM 5.2，评测采用抗污染设计及隐藏验证器检查真实状态。该基准把智能体长程执行稳定性纳入可比较指标，也为本地小模型的终端能力评估提供了测试场景。

成员
1
换头
0
当前簇头
查看帖子详情
最近活动
08/20 06:00:22
CONTENT GOVERNANCE

内容治理

在线

下线会立即隐藏 Defomo 内容，并联动撤回 Elys 全部 Feed、详情和分享入口；恢复不会补推历史 Feed。 本操作覆盖整个事件簇及未来新成员。

MEMBERS

簇内帖子

按进入簇的先后排序 · duplicate 不隐藏
#1
当前簇头 · 第 1 任独立事件二手报道

长程终端基准测试发布：MiniMax M3 登顶，Kimi K2.7 Code 与 GLM 5.2 分列二三

长程终端基准测试（LHTB）在 Hugging Face Hub 发布，包含46项任务，要求大语言模型智能体在终端连续完成300多步操作；榜单前三为 MiniMax M3、Kimi K2.7 Code 和 GLM 5.2，评测采用抗污染设计及隐藏验证器检查真实状态。该基准把智能体长程执行稳定性纳入可比较指标，也为本地小模型的终端能力评估提供了测试场景。

AK来源权威 3 级（1 级最高）发布于 08/20 05:45:50原帖 内容详情
去重判断LLM 复核 · 独立事件

簇级候选：8 个已有簇， 共 9 条代表。

在 CozeLoop 查看判断
最终结果已修正为“独立事件”，以当前持久化状态为准。