В качестве стресс-тестов были представлены три автономных прогона по программированию: модель самостоятельно, без участия человека, создала инструмент oh-my-cli за 16 дней, обработав 265 коммитов, 127 pull request’ов и 151 issue; она воспроизвела и улучшила результаты одной научной статьи, превзойдя описанный в ней метод на бенчмарке AIME24 на 2,7 балла; а в мультимодальном соревновании она обошла 458 из 526 команд, состоящих из людей. Кроме того, модель спроектировала микросхему, сократив количество логических элементов с 8298 до 678 и уменьшив площадь чипа на 81%, а также смоделировала год работы интернет-магазина, увеличив капитал в четыре раза и превзойдя GLM 5.2 на 38%. Мультимодальные возможности включают обработку документов объёмом более 200 страниц и видео продолжительностью свыше 100 часов. По внутренним тестам производительность модели близка к показателям Claude Opus 4.8, Claude Fable 5 и GPT-5.6 Sol или превышает их, хотя независимая проверка результатов пока не проведена. Веса модели будут опубликованы на следующей неделе на платформах Hugging Face и ModelScope. Конкурирующая компания Moonshot AI 27 июля выпустила модель Kimi K3 с 2,8 триллиона параметров и контекстным окном в 1 миллион токенов.