評測來源官方評測
SpreadsheetBench 2
SpreadsheetBench / Renmin University / AfterQuery / 專業辦公 · 完成財務建模、修復工作簿和數據可視化的整套表格工作。
在 ATech Hot 中觀察中
證據預算不計分
上游數據時間待核實
最近成功同步尚未開始採集
它測什麼，怎麼測
固定 V2 的 321 個任務和統一 SWE-agent 條件；獨立辦公產品和其他 scaffold 成績不歸給基礎模型。表格可視化的正確性不等於廣泛審美。
如何使用這份證據
觀察中：已有穩定 JSON 和逐行日期，但當前統一條件下的基礎模型覆蓋不足；等待當期型號實測後再接入分數。
評測侷限與數據署名
觀察中：已有穩定 JSON 和逐行日期，但當前統一條件下的基礎模型覆蓋不足；等待當期型號實測後再接入分數。
數據許可：官方網站頁尾聲明 MIT；數據集與代碼入口公開。
成績由 SpreadsheetBench / Renmin University / AfterQuery 發佈，原始分數與 ATech Hot 共識分使用不同尺度，不能直接相加。