解读：在经过人工验证的、相对标准的 Issue 修复任务上，Qwen3 并没有展现出统治力，反而是 MiniMax 这种黑马表现抢眼。这说明在“标准题”上，各家模型差异不大，甚至 Qwen3 还有点“偏科”。