方法与教程/2026-11-05/12 分钟当智能体失败时:六个基准上的分项结果附录 D 按基准列出支架和模型的交叉结果:SWE-bench-45、Terminal-Bench 2、VitaBench、LOCA-Bench、ClawMark 与 AgentSkillOS,并给出完整词元负载。