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
- Matt Pocock 分享 pre-commit 钩子：用 token 上限防 agent 写超长文件 — mattpocockuk · 2026-10-18
- 写过很多书的 AI 教育者:初稿自己写,让 LLM 当编辑 — lmoroney · 2026-10-18
- 开源语音决策模型 TYGER 发布：80ms 决策让语音 Agent 实现全双工 — solyarisoftware · 2026-10-18
- 开发者实测：Opus 5.5 用 medium 档比 max 更靠谱 — eyishazyer · 2026-10-18
- 被 Claude Code 编造时间戳逼到极限，他用 PreToolUse 钩子让错误不可能发生 — Grimmoner · 2026-10-18
- 重度自主编码怎么买？Reddit 热议 Cursor Super + Claude Pro + OpenCode 组合 — DarioAmodeiWasTaken · 2026-10-18