范围与适用边界
固定的 DSH 全量逻辑轮次，覆盖 129 个数据集、1465 道计划题；本次为 2026-10-17 的成绩快照。
- 评分流程结束不等于执行成功，维度分数不等于任务成功率。
- 本轮仍未全部完成；公开结果仅覆盖当前可采纳评分，不提供跨轮次或跨产品排名。
- 网站公开汇总，原始题目、评分参考、Judge 理由与 Trace 留在评测环境。
- 产品版本、被测模型和完整运行环境未在本公开快照登记，不从其他批次补值。
测试配置与结果
DSH · DSH · 全量逻辑轮次
配置评测 · 版本 未公开 · 1153 题次
测试日期：未公开
模型：未公开。运行条件：FULL 完整流程；多批续跑按原始题目归并，每题只采用工作台选定的有效尝试。版本、模型与完整环境未在本公开快照登记。
方法：DSH 全量逻辑轮次汇总 · 1.0
题集：DSH 全量计划 · 129 个数据集 · 2026-10-09
输入输出执行轨迹产物核验
评测可观测性：待确认
采集方式：EvalDock 工作台的逻辑轮次投影；核对原始报告与评分修订摘要后生成固定快照。
实际采集范围：来源具有逐题执行记录、评分状态及交付证据；公开层只保留汇总。
- 本快照未逐项证明所有任务的采集覆盖完整，不以存在 Trace 推断全部内部过程可见。
证据公开范围：公开能力与行业汇总、样本量和状态计数；逐题输入输出、评分参考、理由与 Trace 不公开。
仅描述本次测试的证据可见范围，不代表产品能力高低。白盒不表示模型内部推理完全透明。
本配置指标；缺失值以横线表示，不代表零分| 指标 | 结果 | 样本量 |
|---|
| 产物交付 | 85.57 分 / 100 | 980 |
|---|
| 成本效率 | 74.59 分 / 100 | 1144 |
|---|
| 推理与规划 | 84.38 分 / 100 | 1117 |
|---|
| 检索与依据 | 84.58 分 / 100 | 345 |
|---|
| 安全边界 | 88.69 分 / 100 | 117 |
|---|
| 记忆 | 93.21 分 / 100 | 107 |
|---|
| 代码与终端 | 80.81 分 / 100 | 382 |
|---|
| 数据处理 | 80.79 分 / 100 | 434 |
|---|
| 执行闭环 | 83.94 分 / 100 | 127 |
|---|
| Web 工具 | 57.91 分 / 100 | 80 |
|---|
| 外部工具 | 60.15 分 / 100 | 34 |
|---|
| 多模态 | 70.32 分 / 100 | 68 |
|---|
| 协作 | 91.41 分 / 100 | 44 |
|---|
| 文档处理 | 82.78 分 / 100 | 133 |
|---|
| 效率与可靠性 | 70.43 分 / 100 | 54 |
|---|
| 金融 · 行业任务 | 86.12 分 / 100 | 95 |
|---|
| 零售与电商 · 行业任务 | 86.22 分 / 100 | 76 |
|---|
| 航空与出行服务 · 行业任务 | 90.68 分 / 100 | 56 |
|---|
| 电信服务 · 行业任务 | 90.64 分 / 100 | 44 |
|---|
| 工业制造 · 行业任务 | 96.87 分 / 100 | 23 |
|---|
| 运输与物流 · 行业任务 | 92.95 分 / 100 | 11 |
|---|
| 房地产与住房服务 · 行业任务 | 85.46 分 / 100 | 13 |
|---|
| 教育与学习服务 · 行业任务 | 82.24 分 / 100 | 17 |
|---|
| 媒体与文娱 · 行业任务 | 68.33 分 / 100 | 3 |
|---|
| 汽车与车载服务 · 行业任务 | 92.21 分 / 100 | 17 |
|---|
未纳入可比批次，不进入跨对象榜单。
执行与评分进度
评分流程完整结束 1153 / 1465 题，其中 1144 题至少有一项有效数值评分；其余已处理题保留无法评分状态。
剩余 312 题尚未完整结束；其中 64 题未开始执行、158 题只完成部分评分、93 题受环境前置条件阻塞。这些缺口可重叠，不应相加。当前运行中 0 题，总状态 INCOMPLETE。
行业范围与评分来源
金融：归类 117 题，复用有效评分 95 题，独立补评有效评分 0 题；未执行 0 题、待完成评分 15 题、证据不足 5 题、评分错误 0 题。
零售与电商：归类 95 题，复用有效评分 68 题，独立补评有效评分 8 题；未执行 0 题、待完成评分 13 题、证据不足 5 题、评分错误 0 题。
航空与出行服务：归类 65 题，复用有效评分 56 题，独立补评有效评分 0 题；未执行 0 题、待完成评分 7 题、证据不足 0 题、评分错误 0 题。
电信服务：归类 51 题，复用有效评分 44 题，独立补评有效评分 0 题；未执行 1 题、待完成评分 4 题、证据不足 0 题、评分错误 0 题。
医疗健康：归类 1 题，复用有效评分 0 题，独立补评有效评分 0 题；未执行 1 题、待完成评分 0 题、证据不足 0 题、评分错误 0 题。
工业制造：归类 26 题，复用有效评分 23 题，独立补评有效评分 0 题；未执行 0 题、待完成评分 3 题、证据不足 0 题、评分错误 0 题。
运输与物流：归类 15 题，复用有效评分 11 题，独立补评有效评分 0 题；未执行 3 题、待完成评分 1 题、证据不足 0 题、评分错误 0 题。
房地产与住房服务：归类 14 题，复用有效评分 10 题，独立补评有效评分 3 题；未执行 0 题、待完成评分 1 题、证据不足 0 题、评分错误 0 题。
教育与学习服务：归类 21 题，复用有效评分 7 题，独立补评有效评分 10 题；未执行 0 题、待完成评分 2 题、证据不足 1 题、评分错误 0 题。
媒体与文娱：归类 7 题，复用有效评分 3 题，独立补评有效评分 0 题；未执行 2 题、待完成评分 0 题、证据不足 2 题、评分错误 0 题。
汽车与车载服务：归类 22 题，复用有效评分 17 题，独立补评有效评分 0 题；未执行 0 题、待完成评分 4 题、证据不足 0 题、评分错误 0 题。
原始标准与样本边界
本记录包含编程、办公、研究与内容任务；能力均分跨任务领域汇总，不能当作任一领域的专项成绩或成功率。
产物交付：0–100 分，FULL，有效 980 题；冻结标准摘要 80443e82fbe8。不同标准的成绩单独保留。
成本效率：0–100 分，FULL，有效 1144 题；冻结标准摘要 7b7dbf80b183。不同标准的成绩单独保留。
推理与规划：0–100 分，FULL，有效 1117 题；冻结标准摘要 1587134c453b。不同标准的成绩单独保留。
检索与依据：0–100 分，FULL，有效 345 题；冻结标准摘要 169779c96853。不同标准的成绩单独保留。
安全边界：0–100 分，FULL，有效 117 题；冻结标准摘要 20d2bfcd30b1。不同标准的成绩单独保留。
记忆：0–100 分，FULL，有效 107 题；冻结标准摘要 d50b2cab2536。不同标准的成绩单独保留。
代码与终端：0–100 分，FULL，有效 382 题；冻结标准摘要 204e01d503f8。不同标准的成绩单独保留。
数据处理：0–100 分，FULL，有效 434 题；冻结标准摘要 f02ca60c65da。不同标准的成绩单独保留。
执行闭环：0–100 分，FULL，有效 127 题；冻结标准摘要 15231a446d10。不同标准的成绩单独保留。
Web 工具：0–100 分，FULL，有效 80 题；冻结标准摘要 e45af5333c27。不同标准的成绩单独保留。
外部工具：0–100 分，FULL，有效 34 题；冻结标准摘要 4f303a1f3496。不同标准的成绩单独保留。
多模态：0–100 分，FULL，有效 68 题；冻结标准摘要 7f37ca013be1。不同标准的成绩单独保留。
协作：0–100 分，FULL，有效 44 题；冻结标准摘要 802eb587d4d6。不同标准的成绩单独保留。
文档处理：0–100 分，FULL，有效 133 题；冻结标准摘要 eba1b616d82a。不同标准的成绩单独保留。
效率与可靠性：0–100 分，FULL，有效 54 题；冻结标准摘要 95e80793331f。不同标准的成绩单独保留。
快照与历史报告
本次快照生成于 2026-10-17T02:12:54.039Z；日期表示数据采集时间，不代表所有测试均在当天执行。
首页、结果目录与 DSH 对象页复用同一份公开汇总。此前的插件配置及办公 Agent 报告继续保留各自任务范围和量表。
