最強のコーディングAIが実務課題の39%しか解けなかった
Specific Labsが、実在企業から許諾を得た非公開の業務コードで作ったReal-SWEを公開した。前線モデル八つの正解率は十六・二%から三十八・八%で、首位はClaude Fable 5.1だった。GPT-6 Astraは三十三・八%、Gemini 3.8 Flashは三十一・二%にとどまった。
なぜ重要かよく見かけるスコアは、整った公開リポジトリから出たものにすぎない。デモと、あなたのチームが毎日触るコードとの差がここに出ている。
アプリで読む——無料・9言語
関連ニュース
アンソロピックCEOがAIの群れによるネット乗っ取りを警告した2026-09-13グーグルのエージェント開発キットに最高危険度の穴が見つかった
2026-09-12セールスフォースは新しいエージェントに人名と数週間を与えた
2026-09-12フィールズ賞受賞者25人がAIの問題解法に反対する声明に署名した
2026-09-12Kimiの安い開発向けモデルが百万トークンを全員に開いた
2026-09-12