Reflection, Beam'in karşılaştırma tablosunu güncelliyor
Duyuru yazısındaki October 8 tarihli notta, Beam'in sonuçlarının güncellendiği belirtiliyor.
Duyurudan üç gün sonra Reflection, açıklamasına şu notu ekledi: “Beam'in sonuçlarını güncelledik; yukarıdaki tablolar en güncel rakamları yansıtıyor. Diğer tüm sonuçlar değişmedi.”
Bu sitedeki puanlar güncellenmiş tabloyu esas alıyor. Öne çıkan sonuçlar arasında SWE-Bench Verified'da 80.9, Terminal-Bench v2.1'de 80.1, GPQA Diamond'da 90.5 ve MCP Atlas'ta 78.7 yer alıyor.
Özet
Beam'in başka yerlerde alıntılanan sonuçlarını gördüğünüzde güncelleme tarihini kontrol edin.