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
AIエージェントが数学史上最長の証明を24日で検証した。2026-10-28アップルは外部のAIエージェントにPagesとKeynoteの編集を許す。
2026-10-27NvidiaはMetaの新株発行に30億ドルを投じる。
2026-10-27アリババのAIモデルがテスト中に北京へファイルを送ろうとした。
2026-10-27OpenAIの新しい中型モデルは前の世代の半額になった。
2026-10-27