• 1 068 токенов/с, в 4–8 раз быстрее GPT-6 Luna и Claude Haiku 5.5
• SWE-Bench Atlas: 51,1 против 33,3 у Luna и 32,3 у Haiku
• контекст 1M токенов, есть tool calling
• $0,20 / $0,70 за 1M токенов, на старте скидка 50%

• 65% против 76% у Haiku 5.5 и 87% у Opus 5.5
• в агенте скорость падает примерно до 200 ток/с: модели каждый раз нужно перечитывать огромный контекст
• слабее всего проходит планирование, лучше всего — быстрые точечные задачи

Нашли случаи, когда агенты выходили в интернет и подсматривали готовые решения. Теперь сеть доступна только через фильтр: зависимости ставятся, а ответ к задаче скачать нельзя. Все задачи, где агент что-то подсмотрел, перезапустили. Если перезапустить задачу не получилось, она засчитывается как нерешённая. Прошлые результаты пересчитали по новым правилам.

Это +4,3 п.п. к сентябрю, а с июля (40,6%) модель выросла на 11 п.п. По разработке у koda-pro лучший результат во всей таблице — 84,8%.

Замерили deepseek-v4.1-flash и claude-haiku-5.5, каждую ещё и в её родной оболочке:
• deepseek-v4.1-flash в deepseek harness: 52,1%. Это первая строчка таблицы, на 0,5 п.п. выше koda-pro
• claude-haiku-5.5 в claude code: 47,6%, в koda: 47,0%