北京时间
评测来源官方评测
FrontierSWE v2
Proximal Labs / 编程 · 长时间运行的工程实现与研究任务
在 由来科技 中观察中
证据预算不计分
上游数据时间待核实
最近成功同步尚未开始采集
它测什么，怎么测
只比较 v2 的统一 Proximus harness，不与旧版和 best-of 不同条件混合。
如何使用这份证据
观察中：长任务新型号覆盖仍较少，稳定原始数据入口和运行配置需要补齐。
评测局限与数据署名
观察中：长任务新型号覆盖仍较少，稳定原始数据入口和运行配置需要补齐。
数据许可：待确认榜单数据使用边界
成绩由 Proximal Labs 发布，原始分数与 AIHOT 共识分使用不同尺度，不能直接相加。