数据，如一门课程般构建。

Harbor 原生的长时程任务，难度对标 Terminal-Bench 3/4：没有哪份输入可以全信，前沿模型约四次运行方能通过一次。

专家命题的 STEM 题目，附可验证的答案、完整推导与严格质控。

高难度终端任务，配有冻结环境、评分细则与确定性的离线验证器。

源自真实 GitHub PR 的多语言任务，附可运行的仓库、标准补丁与判定通过与否的测试。

IMO/CMO 及 STEM 奥赛题目，附完整解答、最终答案与逐模型运行记录。

专家标注的法律、金融、医疗与制造业任务，立足情境世界，以评分细则评分。

医师命题的临床与流行病学题目，答案经得起推敲，并经多模型评分。

以截图为依据的界面数据——元素精确定位、操作轨迹经过验证、屏幕状态经过核验——覆盖网页、桌面与移动端。

源自真实开发会话的多工具轨迹——工具调用、环境状态、失败恢复、长时程。

引擎仿真的多视角视频，附精确相机参数与完整原生标注，用于训练空间一致的世界模型。

对齐公开基准的标准化数据包，即买即用——经采购、经验证、可复现。

感知—规划—行动数据，涵盖环境反馈、图像 / 视频理解与空间任务。