编程

ArtificialAnalysis的CodingAgentIndex显示，Carbon得到59分，编程能力暂时仍落后于ClaudeOpus5.5的62分。

编程能力的提升同样明显。

在考察复杂编程任务的Terminal-Bench4.0中，Carbon得分达到65.2%，超过ClaudeOpus5.5的59.6%和GPT-6Astra的59.1%；

为了提高评测难度，新版指数引入了真实代码库中的编程任务、科学研究任务等新测试，并将采用私有测试数据或隐藏答案的评测权重提高至60%，以降低模型通过接触公开测试题而获得高分的可能性。