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
Anthropic老板称智能体群一年内或控制整个互联网2026-09-13谷歌智能体开发包出现最高危漏洞，任何人都能执行代码
2026-09-12Salesforce给新智能体起了人名，还给了几周时间
2026-09-1225位菲尔兹奖得主联署一封信，反对AI刷题
2026-09-12Kimi便宜的编程模型把百万上下文开放给所有人
2026-09-12