تیم مدل‌های هوش مصنوعی با استفاده از یک سیستم چند عامل (GVS5H) در بنچمارک برنامه‌نویسی LiveCodeBench Hard به موفقیت دست یافت. این سیستم شامل پنج نقش (برنامه‌ریز، دو ایده‌پرداز، حل‌کننده، مدیر و تعمیرکار) است که فقط از طریق فایل‌ها در دیسک با یکدیگر ارتباط برقرار می‌کنند. در تست‌ها، مدل Qwen3.8-27B با میانگین نمره ۹٫۸ از ۱۰ در ده مشکل اول بنچمارک، بهتر از سیستم اصلی (۹٫۶) و مدل Fable 5 (۸٫۰) عمل کرد. ۴۹ از ۵۰ برنامه حل شد و هزینه کل ۳۵٫۷۹ دلار برای ۱۵٫۳ میلیون توکن خروجی بود. تست‌ها بین ۲۹ مارس تا ۶ آوریل ۲۰۲۵ انجام شد و احتمال آلودگی داده‌ها وجود دارد. هر اجرا حدود ۴۰ دقیقه زمان مدل و ۰٫۳۹ دلار هزینه داشت.
