Real-SWE 1.1 榜单:Sonnet 5.5 以 51.2% 解决率登顶
HamsterUnfair6313 · reddit · 2026-10-15
Specific 发布 Real-SWE 1.1 基准更新,在私有、真实企业代码库上测评前沿模型的问题解决率:Sonnet 5.5 以 51.20% 居首,GPT 6.1 Sol 47.20% 第二,Fable 5.1 45.60%、GPT 6 Astra 44.80%,Opus 5.5 与 Muse Wonder 1.0 并列第五(42.40%)。该基准主打私有真实代码库,被视为比合成 benchmark 更贴近实际工程能力的参考。
「模型」频道最新
- X 升级 Stories 话题聚合，Jev 决策模型上热门但聚合被垃圾帖淹没 — ivan_bezdomny · 2026-10-15
- Paper Instruments 发布 Ultramarine 1 Flash:用 RL 训练不可验证知识工作 — lmoroney · 2026-10-15
- OpenAI Codex 负责人预告「重置」回归：Day 10 将在两小时内上线 — BMarinov · 2026-10-15
- SaaSletter：企业 AI 风险指标两年涨 9.3 倍，或预示 Anthropic 营收走势 — thedealdirector · 2026-10-15
- 网友爆料：Anthropic 疑似训练模型打游戏，Opus 5.5 游戏表现超 Astra — imjustnewatai · 2026-10-15
- Maya-2 开源发布:印度语系语音模型登顶 Hindi TTS 榜单 — CurieuxExplorer · 2026-10-15