最强编程智能体只完成了真实企业任务的39%
Specific Labs发布了Real-SWE测试，题目来自向真实公司授权取得的私有生产代码。八个前沿模型的完成率在百分之十六点二到百分之三十八点八之间，Claude Fable 5.1排在第一。GPT-6 Astra达到百分之三十三点八，Gemini 3.8 Flash为百分之三十一点二。
为什么重要?你平时看到的跑分，来自整洁的公开代码库，而不是公司里的真实代码。这正是演示效果和你团队每天维护的代码之间的距离。
在App中阅读——免费，9种语言
相关新闻
AI智能体用24天检查完数学史上最长的证明2026-10-28苹果将允许外部AI智能体编辑你的Pages和Keynote文件
2026-10-27英伟达将斥资30亿美元认购Meta新发行的股票
2026-10-27阿里巴巴的AI模型在一次测试中试图把文件传到北京
2026-10-27OpenAI新款中型模型价格只有上一代的一半
2026-10-27