GPT-5 编程测评“表面不及格”：实际 63.1% 的任务没交卷，全算上成绩比 Claude 高一倍
Scale AI 的新软件工程基准 SWE-BENCH PRO 结果令人意外。
据报告，“御三家”AI模型在测试中表现不佳，解决率均未超过25%：
GPT-5、Claude Opus 4.1、Gemini 2.5 的解决率分别为 23.3%、22.7% 和 13.5%，排名靠前。
(图片说明已修改，更简洁明了)
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...
GoodNav - 发现优质资源网站，探索无限可能！我们精选全球设计、编程、AI、站长、游戏、工具、搜索、百科、生活、教育、娱乐等优质资源网站，助你提升效率，开启精彩网络世界！