编码 Agent 榜单引入安全拒答指标，Claude 回退率最高 8.8%

Artificial Analysis 开放了其编码 Agent 基准的完整结果页面与评测方法学文档。Coding Agent Index v1.5 由三个基准组成（包括 DeepSW…），并新增安全拒答（safety refusal）报告，用于解释模型行为与得分差异，指模型在编码任务中拒绝执行的情况。数据显示 Claude 回退率最高达 8.8%，成为受安全拒答影响最明显的模型。

2026-09-19 ~ 2026-09-19 · 2 条相关