比如在编程最硬核的SWE-Bench Verified榜单上，它拿到了80.2%的高分，在多语言任务Multi-SWE-Bench上更是拿到了第一。 M2.5跑出来的结果能直接呈现出大片级的自动播放视频效果，连那种可以点着玩的3D配置器也跑得有模有样，出来的网站整体感觉非常高级，而且是个真正能直接运行的完整项目。