正在读取模型档案与评测数据…
正在读取模型档案与评测数据…
Poolside·2 个数据来源·更新于 2026-09-26
只在同一来源、同一口径下比较。切换来源可查看不同测试结果。
当前配置：各基准设置见下表
不同来源的分数不能直接相加或横向比较；评测任务成本不是 API Token 单价。
6 项已收录成绩 · 保留原始单位和测试条件
Harbor fork matching DeepSWE Pier harness; thinking on; mean pass@1 over 3 attempts; as of 21 July 2026
成绩出处Scale AI SWE Atlas Codebase QnA via Harbor; Opus 4.5 judge; mean pass@1 over 3 attempts; as of 21 July 2026
成绩出处Harbor + Poolside agent harness; thinking on; mean pass@1 over 4 attempts; as of 21 July 2026
成绩出处Harbor + Poolside agent harness; thinking on; mean pass@1 over 4 attempts; public set; as of 21 July 2026
成绩出处Harbor + Poolside agent harness; thinking on; mean pass@1 over 4 attempts; as of 21 July 2026
成绩出处Toolathlon Verified; Harbor + Poolside agent harness; thinking on; mean pass@1 over 3 attempts; as of 21 July 2026
成绩出处只展示有可靠来源的资料；优先采用厂商官网与官方模型仓库。
美元 / 百万 Token。不同服务商或测试配置的报价分别列出。
| 来源 / 服务商 | 输入 | 输出 | 缓存读取 |
|---|---|---|---|
| Poolside | $0.1 | $0.2 | $0.01 |
同名模型通过开发机构和明确版本关联。预览版、日期版本和不同规模模型分别建档。
公开模型页与公开榜单；自报成绩单独标识
公开模型目录与 API 报价
