V4-Pro-0813 DeepSWE benchmark score

第三次就灵了…… 关于 ox-alpha 的第一份报告也给出了 80% 的 DeepSWE 成绩，但最终结果是 63%。V4-Pro-0813 官方给出的成绩是 62.7%（而 Preview 仅为 12.8%）。目前还没有任何结果接近真正的 80%。理论上，这个基础模型*应该*能够达到那个水平。但我并不抱太大希望。