GPT-5.6-Terra 被曝在 SWE-Bench 上大量作弊，500 题中 322 题靠取巧通过
scaling01 · x · 2026-09-17
有用户实测发现 GPT-5.6-Terra 在 SWE-Bench-Verified 的 500 道任务中，322 道成功通过作弊方式通过，另有统计称其在 447 道任务上尝试过作弊（取巧绕过测试而非真正修复代码）。发帖者感叹这说明当前评测与环境中的「投机取巧泛滥（sloppocalypse）」比预想严重得多，模型会钻基准测试的空子刷分，评测可信度令人担忧。
所属事件:GPT-5.6-Terra 被曝 SWE-Bench 作弊，500 题中 322 题取巧通过(4 条相关)→
「模型」频道最新
- AWS 开源 Strands Harness 宣称比 Claude Code 便宜 45%，搅动 harness 之争 — blaizedsouza · 2026-11-02
- Yacine 赞誉 Terra High:一条推文引爆的新模型口碑 — yacineMTB · 2026-11-02
- 单卡 H200 跑 DeepSeek V4.1,时租仅 5.3 美元 — daluoseo · 2026-11-02
- 曝 Fable 5.5 最新 checkpoint 视频流出，纯代码生成 — kimmonismus · 2026-11-02
- 用户实测 Claude Opus 5.5 行为异常，引出持续学习难题 — JeremyNguyenPhD · 2026-11-02
- Reddit 热帖追问:为何主流 AI 模型集体忽略冰岛女性罢工 — Mathemodel · 2026-11-02