GPT-5编程实测：未交卷率63.1%，综合能力超Claude两倍
AI编程测评遭遇滑铁卢：SWE-BENCH PRO揭示行业真实水平
Scale AI最新发布的软件工程评测基准SWE-BENCH PRO引发热议，测试结果显示主流AI模型表现远不及预期。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
测评结果解读：数据背后的真相
表面看三大主流模型全军覆没：GPT-5、Claude Opus 4.1和Gemini 2.5的解决率分别仅为23.3%、22.7%和13.5%。但前OpenAI研究员Neil Chowdhury指出，若仅统计已回答题目，GPT-5正确率可达63%，Claude Opus 4.1则仅有31%。
SWE-BENCH PRO评测基准解析
造成测评结果大幅下滑的根本原因是评测基准的全新升级：
- 采用1865个全新商业代码库，确保测试内容未被模型预先训练
- 排除简单修改问题，专注多文件复杂修改场景
- 引入真实商业代码环境，更好模拟工业实践
深度分析：模型失败原因探寻
不同模型展现各自短板：
- Claude Opus 4.1主要在语义理解环节失分
- GPT-5显示出工具使用效能问题
- Claude Sonnet 4面临上下文管理挑战
- Gemini 2.5表现较为均衡但不够突出
相关攻略
近期，上百家来自全球跨国企业的CEO齐聚中国，参加中国发展高层论坛。第一财经记者了解到，不少全球高管利用此次访华之际，参观了中国先进制造企业，包括电动汽车、智能家电以及人形机器人厂商。芬兰电梯巨头通
据 Axios 报道，苹果公司已聘请前谷歌副总裁 Lilian Rincon 担任人工智能产品营销副总裁。加入苹果之前， Rincon 曾任谷歌购物产品副总裁。在苹果， Rincon 将负责苹果所有
尽管这是一场聚焦 "独角兽 "发展的大会，但周鸿祎还是决定从那只长有 "两个角 "的 "龙虾 "讲起。龙虾即OpenClaw，2026年开年火爆全网的开源AI智能体框架，因红色龙虾图标形象得名，它让AI从 "聊天
3月28日，北京中关村国家自主创新示范区，一场聚焦前沿科技交叉领域的学术盛会，即国家自然科学基金学术论坛——仿生智能主题论坛拉开帷幕。本次论坛由国家自然科学基金委员会信息科学部主办，北京航空航天大学
3月29日，2026中关村论坛年会通用人工智能论坛召开，会上发布了一系列原创成果：全球首个通用智能人 "通通 "3 0升级亮相，具身智能、机器人核心引擎 "通脑 "入选2026中关村论坛年会重大成果，通育A
热门专题
热门推荐
鲁大师软件管家可安全升级常用软件：一、启动后点击顶部“软件管家”选项卡自动扫描；二、在“可升级软件”列表点击绿色“升级”按钮确认安装；三、勾选多个软件后点“批量升级”按钮并发处理；
3月29日，北京已在全国率先启动智能网联新能源汽车商业保险产品开发应用。新产品基本沿用现有的新能源商业车险体系，按照“总体稳定、部分优化”的原则，主要为消费者和汽车企业关心的特定智驾场景、软硬件损失
预计苹果今年将发布两款新的 iPhone 应用，包括 Apple Business 应用和一款具备类似聊天机器人功能的 Siri 应用。借助 Apple Business 应用，使用全新 Apple
据 Axios 报道，苹果公司已聘请前谷歌副总裁 Lilian Rincon 担任人工智能产品营销副总裁。加入苹果之前， Rincon 曾任谷歌购物产品副总裁。在苹果， Rincon 将负责苹果所有
3月29日消息，谁能料到前段时间奥迪车主与雷军之间的那个打赌，竟然还有后续。这到底是咋回事？事情发生在3月25日，网友@单手开吉利 在雷军的微博评论区晒出了自己去年10月刚提的奥迪车，还当场立下一个