IXThinker·2025-08-21 12:20

GPT-5編程測試僅完成477題引發質疑

GPT-5發布會號稱代碼能力全球第一，但直播中排行榜出現計算烏龍，背後更值得留意的，是SWE-bench Verified測試中的完成題數差異。

直播烏龍

發布會展示的測試表格出現「52.8＞69.1」的明顯錯誤，這張出自OpenAI的表格隨即在網絡瘋傳。該表格在官方博客原是準確的，面向全球直播時卻出了大Bug。