Poolside

3 个来源，其中 0 个独立于厂商：中心 16，来源不足 3 个或没有独立来源，所以显示为区间。

• 16.7 SWE-bench Pro (public): 59.4 · 厂商自报 · 对照同表模型换算（Hy3、Inkling (Xhigh)、DeepSeek V4 Pro 0813、Qwen3.7 Max、Muse Spark 1.1）
• 15.5 SWE-bench Pro (public): 59.4 · 厂商自报
• 15.6 Terminal-Bench 2.1: 70.2 · 厂商自报 · 对照同表模型换算（Hy3、Inkling (Xhigh)、DeepSeek V4 Pro 0813、Qwen3.7 Max、Muse Spark 1.1）
• 19.6 Terminal-Bench 2.1: 70.2 · 厂商自报
• 12.8 toolathlon verified: 49.7 · 厂商自报
• deepswe: 40.4 · 厂商自报 · 未采用： 该基准尚无参考模型
• swe bench multilingual: 78.5 · 厂商自报 · 未采用： 相关系数 0.328 偏低

FTI 怎么算的

2 个来源，其中 0 个独立于厂商：中心 9，来源不足 3 个或没有独立来源，所以显示为区间。

• 8.4 SWE-bench Pro (public): 47.6 · 厂商自报 · 对照同表模型换算（Qwen3.6 35B A3B、North Mini Code、Claude Haiku 4.5 (thinking)、GPT-5.4 Nano）
• 11.5 SWE-bench Pro (public): 47.6 · 厂商自报
• 7.3 SWE-bench Verified: 70.9 · 厂商自报 · 对照同表模型换算（Qwen3.6 35B A3B、North Mini Code、Claude Haiku 4.5 (thinking)）
• 10 SWE-bench Verified: 70.9 · 厂商自报
• swe bench multilingual: 63.1 · 厂商自报 · 未采用： 相关系数 0.328 偏低
• terminal bench 2 0: 37.5 · 厂商自报 · 未采用： 没有同一评测框架的参考分

FTI 怎么算的