Chinese Brief
中文案例导读
Dolores Research 公开的代码审查与测试案例，来源为 公开代码库，复核于 2026-06-26T23:20:00Z。 Model Atlas 将它标记为 A 类证据，因为它同时具备具体使用者、具体任务、公开原始证据和可访问产物。 Model Atlas 不把 benchmark、教程、发布说明或集合页包装成真实案例。
厂商MiniMax
模型MiniMax-M2.5
任务类型代码审查与测试
审核状态auto_approved
CASE EVIDENCE / A RECORD
Dolores Research 使用 MiniMax-M2.5 处理代码审查和测试生成
Dolores Research 公开的代码审查与测试案例，来源为 公开代码库，复核于 2026-06-26T23:20:00Z。
原始记录：Teller — #1 Sentient Arena grounded reasoning agent for enterprise document QA
任务
真实任务背景
这是一个围绕代码审查和测试生成的真实任务，公开材料可以回溯到具体使用者和具体产物。 原始资料写作：Open-source grounded reasoning agent that retrieves, extracts, computes, and validates answers from large enterprise document archives (697 Treasury Bulletin TXT files). Pipeline: question → grep retrieval → table parsi…
公开产物
公开材料提供公开代码、README 或项目配置，可用于核验任务结果、项目形态和模型绑定关系。 原始资料写作：71.5% accuracy (176/246) on OfficeQA benchmark — #1 ranking on Sentient Arena Cohort 0 leaderboard with peak score 192.046. Achieved +3.7% accuracy over Claude Opus 4.5 at 1/500th the cost ($1.85 total / $0.0075 per que…
模型作用
MiniMax-M2.5 在该案例中承担代码审查和测试生成相关的生成、分析、编排或实现角色。 原始资料写作：MiniMax M2.5 (via OpenRouter, Goose runtime) serves as the sole reasoning backbone — decomposes complex document questions, orchestrates tool calls (grep, Python computation), and produces validated answers. The 10B act…
风险边界
当前判断基于公开材料；若产物下线、仓库变更或模型参与比例仅来自作者自述，需要在引用前重新复核。 原始资料写作：Repo has 10 stars, by Dolores Research (doloresresearch.com). Benchmark results are on OfficeQA (Treasury Bulletin corpus), not general-purpose tasks. Uses Goose agent harness from Block Inc.