公开知识图谱记录

DeepSWE v1.1

基准测试: benchmark for software engineering
基准测试: DeepSeek-V4.1-Flash 在 DeepSWE v1.1 上超过 Opus-5 与 GPT-5.6 Sol
基准测试: Sol 在 max effort 下得分 68.8%
基准测试: Luna 在 max effort 下得分 66.6%
基准测试: 用于编码评测
基准测试: 评测长周期软件工程
基准测试: 用于评估 Astra，并比较启用与未启用水印的输出
基准测试: 得分73.7

记录摘要

Benchmark: Astra achieves 74%.

来自项目知识图谱的有来源实体；具体工具属性仍需补齐。

知识图谱当前记录了 6 个已知资料维度，另有 11 个维度尚未记录，关联 19 篇公开资料。这些数字只描述资料覆盖，不代表模型性能或适配性已经验证。