Reflection memperbarui tabel benchmark Beam
Catatan bertanggal October 8 pada postingan peluncuran menyebutkan bahwa hasil Beam telah direvisi.
Tiga hari setelah peluncuran, Reflection menambahkan catatan pada pengumumannya: “Kami telah memperbarui hasil Beam, dan tabel di atas mencerminkan angka terbaru. Semua hasil lainnya tidak berubah.”
Skor di situs ini mengikuti tabel yang telah direvisi. Beberapa hasil penting mencakup 80.9 pada SWE-Bench Verified, 80.1 pada Terminal-Bench v2.1, 90.5 pada GPQA Diamond, dan 78.7 pada MCP Atlas.
Inti
Periksa tanggal revisi saat melihat angka Beam yang dikutip di tempat lain.