Reflection cập nhật bảng benchmark của Beam
Ghi chú ngày October 8 trên bài đăng ra mắt cho biết kết quả của Beam đã được chỉnh sửa.
Ba ngày sau khi ra mắt, Reflection đã thêm ghi chú vào thông báo: “Chúng tôi đã cập nhật kết quả của Beam, và các bảng bên trên phản ánh những số liệu mới nhất. Tất cả kết quả khác vẫn không thay đổi.”
Điểm số trên trang này theo bảng đã chỉnh sửa. Một số kết quả đáng chú ý gồm 80.9 trên SWE-Bench Verified, 80.1 trên Terminal-Bench v2.1, 90.5 trên GPQA Diamond và 78.7 trên MCP Atlas.
Điểm chính
Hãy kiểm tra ngày chỉnh sửa khi thấy số liệu về Beam được trích dẫn ở nơi khác.