在单台 Apple Silicon Mac 的 bash 3.2.57 上，Qwen3.8-Flash 完成57个案例，平均得分0.891。盲猜基线为0.446，另三款模型仅完成共同的19个案例，不宜跨样本排名。作者发现提示遗漏脚本路径，使六个案例要求模型猜测未提供的信息，随后补入 script_path；公布得分来自修复前。实验未覆盖 bash 4或5，也不是 Kaggle 排行榜结果。
macOS bash 3.2.57 上的模型行为基准测试
原始来源
依据原文整理。
资料节译六轴双评分均分：77 / 100
相关性 7.5 / 10 · 新信息 7.5 / 10 · 证据 7 / 10 · 推理 9 / 10 · 信息密度 9 / 10 · 行动价值 7.5 / 10
中文摘编
依据来源材料整理，保留事实、观点与适用范围的区别。
完整上下文请阅读原始来源。
完整上下文请阅读原始来源。