PostTrainBench

PostTrainBench 评估, 1M 上下文, max effort, 128K 输出 tokensPostTrainBench 评估模型在后训练阶段（指令微调、RLHF 等）之后的编程能力提升幅度。通过对比基座模型与训练后模型在各类编程任务上的表现差异，量化后训练算法对编程能力的实际增益效果与影响。

编程官方网站

#	模型	得分 (%)	厂商	来源
1	Claude Opus 4.7	42.4	Anthropic	MiniMax M3 技术报告
2	GPT-5.5	39.3	OpenAI	MiniMax M3 技术报告
3	Claude Opus 4.8	37.2	Anthropic	GLM-5.2 技术报告
4	MiniMax M3	37.1	MiniMax	MiniMax M3 技术报告
5	GLM-5.2	34.3	智谱AI	GLM-5.2 技术报告
6	Gemini 3.1 Pro	21.6	Google	GLM-5.2 技术报告
7	GLM-5.1	20.1	智谱AI	GLM-5.2 技术报告
8	MiniMax M2.7	13.1	MiniMax	MiniMax M3 技术报告

返回

PostTrainBench

PostTrainBench 评估, 1M 上下文, max effort, 128K 输出 tokensPostTrainBench 评估模型在后训练阶段（指令微调、RLHF 等）之后的编程能力提升幅度。通过对比基座模型与训练后模型在各类编程任务上的表现差异，量化后训练算法对编程能力的实际增益效果与影响。

编程官方网站

#	模型	得分 (%)	厂商	来源
1	Claude Opus 4.7	42.4	Anthropic	MiniMax M3 技术报告
2	GPT-5.5	39.3	OpenAI	MiniMax M3 技术报告
3	Claude Opus 4.8	37.2	Anthropic	GLM-5.2 技术报告
4	MiniMax M3	37.1	MiniMax	MiniMax M3 技术报告
5	GLM-5.2	34.3	智谱AI	GLM-5.2 技术报告
6	Gemini 3.1 Pro	21.6	Google	GLM-5.2 技术报告
7	GLM-5.1	20.1	智谱AI	GLM-5.2 技术报告
8	MiniMax M2.7	13.1	MiniMax	MiniMax M3 技术报告