官方公布的评测覆盖编程 Agent、通用 Agent、专业工作和长上下文等方向；与 Opus 4.8、Fable 5、GPT 5.6 Sol 等模型相比，各项结果互有高低，并在 PaperBench、IFBench 等 Bennchmark 中取得所列模型中的较高成绩。