Claude Opus 5 登顶 ProgramBench，完全通过测试数翻倍
jyangballin · x · 2026-08-13
在 ProgramBench 基准测试中，Claude Opus 5 (xhigh) 取得第一名。该测试要求 AI 从零开始重建 sqlite、ffmpeg 等完整程序。
各项指标均创历史新高：完全通过（100% 测试通过率）的数量从 2 个增加到 9 个（200 个测试中）；接近完美（>95% 通过率）的从 33 个增至 74 个；平均测试通过率从 70.9% 提升至 74.7%。
所属事件:Claude Opus 5登顶ProgramBench，成本超50美元(7 条相关)→
「模型」频道最新
- MiniMax 发布 Music 3：支持生成五分钟完整歌曲 — PurzBeats · 2026-08-14
- DeepSeek V4 Flash 成本极低，让全民普及 AI 智能体成为可能 — Teknium · 2026-08-14
- DeepSeek 发布 V4 Pro 并开源 Agent 软件 — The Decoder · 2026-08-14
- Anthropic水印难敌真实开发流程 — CackleRooster · 2026-08-14
- DeepSeek疑似推出深度研究功能 — teortaxesTex · 2026-08-14
- Grok 4.6 修复 React 代码能力出色，登顶 ReactBench 第二名 — aidenybai · 2026-08-14