CursorBench 3.1
11 days ago
- #Code Agents
- #AI Benchmark
- #Performance Evaluation
- CursorBench 3.1通过真实的Cursor会话中的模糊、多文件任务来评估智能体，分数越高表示性能越好。
- 该基准测试包含Fable 5 Max（72.9%）、Fable 5 Extra High（72.0%）等模型，分数范围从Kimi 2.5的31.9%起向下分布。
- 每项任务的平均成本是使用每个模型公布的每百万令牌定价，应用于CursorBench 3.1任务中使用的令牌数量，并在各项任务中取平均值计算得出。