IXThinker·2025-09-23 20:50編程測評反轉 GPT-5已答題準確率63%
Scale AI的新軟件工程基準SWE-Bench Pro出現大反轉：表面看頂尖模型集體不及格，但換一個統計口徑，GPT-5的成績其實被大幅低估。評測數據的透明度，正在左右外界對模型能力的判斷。
表面集體翻車
在SWE-Bench Pro上，GPT-5、Claude Opus 4.1、Gemini 2.5分別以23.3%、22.7%、13.5%的解決率位列前三，沒有一家超過25%，看上去「御三家」在這個號稱地獄難度的新基準前全數潰敗。
IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文，仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入／註冊解鎖全文 →Google 或電郵地址即可，即刻解鎖。