
## 核心评测表现
在机器学习工程基准MLE-bench Lite上,该模型得分90.3分,超出第二名1.1分,同时在复杂办公文档处理、电子表格任务、专业法律文档任务三项基准上得分均超过对比的DeepSeek-V4.1-Flash-1017和Claude Opus 5,位列参评模型第一。
在33项通用智能体基准评测中,该模型共取得4项第一、7项第二的成绩。
**核心能力特点**该模型可支持分子图、晶体结构、各类生物序列、光谱、心电、脑电等十余类科学输入,所有不同类型的数据经过专属特征编码后,可与自然语言指令共同参与计算,完成预测、分类、位点定位、定量分析和结构推断等各类科研任务。
模型执行任务过程中可自动核验中间结果,对存疑的分析环节可回溯原始数据源调整后续操作步骤。
## 典型任务落地效果
- CT切片分析任务中,可完成三维骨骼重建并核对原始切面生成分析报告
- 建筑三维重建任务中,可通过多角度照片生成可编辑的三维工程文件与展示视频
- 鄱阳湖水域分析任务中,可完成水域边界提取与面积统计并导出完整工程文件
- 发动机参数化建模任务中,可完成整机装配与零件干涉检查,输出可编辑CAD模型