GPT-5.6在DeepSWE领先且更省
rohanpaul_ai · x · 2026-07-10
GPT-5.6 Sol 在 DeepSWE 编程智能体基准上取得约 72% 到 73% 的成绩，平均每个任务成本约 8.4 美元。Claude/Fable-5 的最好成绩约 70%，但单任务成本更高，约 13 到 22 美元。
帖子还解释了 DeepSWE 的测法：它要求模型在真实开源仓库里完成长软件工程任务，不是普通代码补全。评测会检查最终补丁是否真的可用，考察仓库导航、缺陷诊断、代码编辑、工具使用、测试运行和多步修复能力。
所属事件:GPT-5.6 登顶 DeepSWE 榜单，性能与性价比双优(11 条相关)→
「编程与Agent」频道最新
- Fable 5.1 生成 three.js 网站实测：快且精准，但细节仍需人把关 — repligate · 2026-09-03
- SentinelX 开源：让 LLM 安全接管你的 Linux 服务器终端 — CarolusX74 · 2026-09-03
- 连载 30 天：用 fable 5.1 给户外机器人写出无线手柄控制器 — _Stocko_ · 2026-09-03
- 试水 AmpCode：可用 ChatGPT 订阅、每线程一台云电脑，槽点是吉祥物 Puck — carlosdponx · 2026-09-03
- 一人一 Agent 独立 microVM:语言学习产品上线生产环境的三个教训 — maritime_sh · 2026-09-03
- 断网手写 10 页文档后让 Agent 做成 PPT：作者发现自己文字像 AI 糊弄产物 — cnakazawa · 2026-09-03