CursorBench更新私有評測
CostTokensStepsModelScoreCostCost / taskTokensTokens / taskStepsSteps / task1Fable 5.1 Max51.8%$17.28117,2361282Fable 5.1 Extra High51.6%$13.0187,2941013Fable 5.1 High49.2%$9.0858,438774Fable 5.1 Medium46.8%$7.0545,411635Opus 5 Max46.6%$11.9585,3841066Opus 5 Extra High46.1%$11.4380,0941037Fable 5.
1 Low45.1%$5.4434,795518Opus 5 High44.7%$9.0061,405869Opus 5 Medium43.3%$6.9445,2727210GPT-5.6 Sol Max41.7%$8.2342,9449911Muse Spark 1.3 Max41.6%$2.6452,0059812Grok 4.6 Extra High41.4%$6.1049,8145613GPT-5.6 Terra Max41.3%$5.1460,81410714Opus 5 Low40.7%$4.8731,9955715Grok 4.6 High40.4%$5.
2041,3874816Gemini 3.8 Flash High39.6%$4.70162,56532417GPT-5.6 Sol Extra High37.7%$4.4024,7295518Muse Spark 1.3 Extra High37.5%$2.1040,8918319Gemini 3.8 Flash Medium37.3%$4.06128,36429020Grok 4.6 Medium36.1%$3.4824,8934021GPT-5.6 Luna Max35.9%$1.0387,28420822GPT-5.6 Sol High35.7%$2.
8516,1744123Sonnet 5 Max34.1%$7.17149,25714024GPT-5.6 Terra Extra High33.6%$1.8123,4364325Grok 4.6 Low33.4%$2.2516,3073226Muse Spark 1.3 High33.4%$1.6630,6546927GPT-5.6 Luna Extra High33.0%$0.4440,5989828Muse Spark 1.3 Medium32.6%$1.4927,2556429Sonnet 5 Extra High32.0%$4.5583,37310230GPT-5.
6 Sol Medium31.1%$1.7710,1113231Sonnet 5 High30.8%$3.4861,1468532GPT-5.6 Terra High30.7%$1.1113,1623333GPT-5.6 Luna High29.4%$0.2523,3686434Muse Spark 1.3 Low29.3%$0.9317,4834735Sonnet 5 Medium28.0%$2.3139,1146536Composer 2.527.7%$0.6817,3474137GPT-5.6 Terra Medium27.6%$0.647,3072538GPT-5.
6 Terra Low25.2%$0.525,9142339GPT-5.6 Sol Low24.6%$0.874,8852140Muse Spark 1.3 Minimal24.3%$0.5610,6203441Sonnet 5 Low24.1%$1.3923,7724642GPT-5.6 Luna Medium22.2%$0.087,6423243GPT-5.6 Luna Low16.0%$0.033,28818ChangelogSep 10, 2026TasksCursorBench 4.
0Introduced new long-horizon problems focused on edit, refactor, investigation, intent understanding, managing jobs, and design adherence.Aug 11, 2026ReportingUpdated Sonnet 5 results to account for adjusted pricing.Jul 30, 2026ReportingUpdated GPT-5.
6 Terra and Luna results to account for adjusted pricing.Jul 9, 2026ReportingUpdated GPT-5.6 Sol, Terra, and Luna results to account for cache write costs.Jul 8, 2026TasksCursorBench 3.2Introduced instruction following and advanced tool use problems.May 19, 2026TasksCursorBench 3.
1Introduced problems focused on codebase understanding, bugfinding, planning, and code review.Improved grading criteria for some edit tasks.Mar 11, 2026TasksCursorBench 3.0Initial set of tasks focused on edit, refactor, and bugfix problems.
Avg cost / task is computed by applying each model's published per-million-token pricing (input, cache read, cache write, and output) to the tokens it used on each task.Results are subject to variance; small differences in scores may not be statistically meaningful.
Related
相關文章
曝OpenAI拿下超6.7億年單！打“骨折”、送額度、配工程師，就為了搶Anthropic客戶
編譯 | 孫小雯 編輯 | 程茜 OpenAI和Anthropic為了搶用戶，最近又槓上了！10月30日，OpenAI剛將部分Pro套餐的ChatGPT Work和Codex額度翻倍；次日，Anthropic取消了已驗證Ultra賬戶的5小時用量限制，周限額保留。
英特爾與騰訊發佈基於至強6+的雲實例，曬智能體AI基礎設施全家桶
作者 | ZeR0 編輯 | 漠影 11月3日報道，近日，在2026騰訊全球數字生態大會上，英特爾與騰訊雲發佈基於英特爾至強6+處理器的騰訊雲新一代雲實例，並全面展示英特爾的芯片產品與雲端實踐。 全新至強6+處理器擁有最高288顆能效核，單顆處理器最高可支持超過1000個智能體的穩定部署，這也為騰訊雲服務器提供更高併發、更低時延、更優能效的雲端算力服務。
智元榮獲2026世界互聯網大會傑出貢獻獎
11月3日，2026年世界互聯網大會烏鎮峰會在浙江烏鎮隆重開幕，國務院總理李強出席開幕式並發表主旨演講。開幕式上，智元憑藉在具身智能領域的系統性技術突破與產業化實踐，獲頒世界互聯網大會傑出貢獻獎。智元合夥人、高級副總裁朱潔在領獎時表示：人工智能的終局，不在於屏幕與雲端，而紮根於工廠一線和尋常煙火。具身智能賽道的競爭，早已跳出單點技術的競速，轉向軟硬協同、工程化落地、產業組織與治理體系的綜合比拼。智元期待與各界同心同行，堅守務實，躬身落地。
電動車退燒、AI 儲能燒起來：LG 新能源把產能挪向數據中心
11 月 3 日，首席財務官李昌植在財報電話會上給出時間表：今年底軟包儲能系統（ESS）產能將超 50 吉瓦時，明年進一步拉到 70 GWh 以上。在他看來，電動車增速放緩之際，AI 數據中心的大規模新建為電池廠撕開了新口子——第三季度 ESS 在手訂單已達 160 GWh，公司正與電力企業、超大型數據中心運營商談新項目，今年 9 月還作為儲能供應商擠進了英偉達的 DSX Ready 計劃。
最高288核的至強6+，為了Agent高密度部署還下了哪些「雲功夫」？
作者 | 陳悅琳編輯 | 包永剛 一個智能體能順利完成任務，不代表成百上千個智能體就能同時高效運行。 對於承載大量智能體任務的雲服務器而言，除了提升計算速度，如何在任務集中到來時迅速準備好執行環境、怎樣減少暫時閒置的任務對內存資源的佔用，也成為亟待解決的問題。 對此，在一年一度的騰訊全球數字生態大會上，英特爾與騰訊雲聯合發佈了基於至強6+處理器的新一代雲實例，圍繞任務啟動效率、內存資源利用率等關鍵因素進行優化後，其綜合性能較上一代提升30%以上。
聯合國副秘書長點贊!千問AI耳夾式耳機亮相烏鎮互聯網大會
他認為，產品非常實用，適合自己日常工作中需要使用多國語言進行交流的場景。面對面交流時，用戶可以通過耳機收聽譯文;會議中的討論內容，也能通過AI聽記整理為結構化紀要，方便會後回顧。連接千問App後，用戶還可通過語音交辦資料研究等任務、接收完成提醒，讓耳機成為日常辦公的隨身助手。