Evaluation sourcesOfficial evaluation
FrontierSWE v2
Proximal Labs / 编程 · 长时间运行的工程实现与研究任务
On HOTAIObserving
Evidence budgetUnweighted
Upstream dataTo verify
Last successful syncCollection not started
What and how it measures
只比较 v2 的统一 Proximus harness，不与旧版和 best-of 不同条件混合。
How this evidence is used
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。
Evaluation limits and attribution
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。
Data license: 待确认榜单数据使用边界
成绩由 Proximal Labs 发布，原始分数与 HOTAI 共识分使用不同尺度，不能直接相加。