研究与基准测试/2026-09-27/10 分钟先检查只有 8.1%：字节 TraceDance 用部署轨迹评下一回合252557 个会话做成 107 个基准。九模型在 4065 条上的平均通过率 26.7%，最高是 Claude Opus 4.8 的 33.5%。先检查只有 8.1%。第二到第五名的名次区间重叠。
