评估智能体在干净环境重建完整程序的能力，以隐藏行为测试评判。Meta 模型卡的报告口径为通过至少 95% 测试的 rollout 比例，使用 mini-swe-agent，环境初始化后关闭互联网。
查看 ProgramBench 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
| 排名 | 模型 | 开源情况 | |||
|---|---|---|---|---|---|
 Muse Wonder Full 思考水平·Max工具 | 59.00 | 2026-10-12 | 未知 | 闭源 | |
Muse Wonder 思考水平·Max工具 | 50.00 | 2026-10-12 | 未知 | 闭源 |
