GPT-5.5 仅完全验证 27/43 仓库，10 仓库所有配置全军覆没
dawnsongtweets · x · 2026-08-23
Vero 对前沿模型极具挑战性：90 分钟预算内，最佳配置 GPT-5.5（xhigh 推理档） 在 code-and-proof 模式下仅完全验证 43 个仓库中的 27 个，proof-only 模式 25 个；Claude Opus 4.8 分别只做到 8 个和 10 个。全部 8 种测试配置中，有 10 个仓库无一被解决。
所属事件:Dawn Song 团队发布首个仓库级形式化验证基准 Vero(9 条相关)→
「模型」频道最新
- 美国开源新贵 Muse Spark 对比 Qwen/GLM:综合指数领先但 Agent 任务落后 — zsakib_ · 2026-10-16
- Muse Spark 816B 发布仅 30 分钟,llama.cpp 即完成支持 — ngxson · 2026-10-16
- 24 个 AI 系统开处方检查：平均 314 美元/次，是医生的 3.2 倍 — dvir_a · 2026-10-16
- 最快的 GPU kernel 会被 AI 写出来吗?发帖人称验证条件近乎完美 — fleetwood___ · 2026-10-16
- Scale AI 发布 muse spark open:816B 参数、1M 上下文,称最强美国开源模型 — jiayi_pirate · 2026-10-16
- NVIDIA 上架 Qwen3.8-Flash-Next FP4 量化版，未发布新模型意外曝光 — TheZachMueller · 2026-10-16