行业与实践 · 标签「MiniAppBench」

研究与基准测试2026-07-247 分钟
一句需求要生成能用的应用：蚂蚁用 MiniAppBench 卡 Ling-3.0-flash
Ling-3.0-flash 在 MiniAppBench 上通过率 25.3%，16 个模型平均 17%。评测默认开思考，均分只取大家都能打出分的项目。训练环境一万多个，并用步骤贡献做强化学习。对比图里的分项分没有写进正文。