最经典的俩跑分DeepSWE和Terminal Bench，一个所有模型拉不开差距过拟合了（哈基米3.8都74分），一个远不如opus5，非要搞个cursor bench，自己数据集打赢别人是吧。真拉完了，果然4.5第一次融合cursor，是牢马第一次高光，也是最后一次。 9 个帖子 - 8 位参与者 阅读完整话题