编程

在衡量复杂Agent任务执行能力的Automation-Bench、衡量真实编程能力的DeepSWE，以及衡量真实并有经济价值场景下电脑操作能力的Agents'LastExam(ALE)三项基准测试中，M3.1Flash以极低的任务成本实现了顶尖模型级别的性能表现，在性能与成本之间建立了极具竞争力的新标杆。