ProgramBench 排行:从二进制重建程序,Opus 5.5 仅 18.5% 解出

TheReedemer69 · reddit · 2026-11-15

配图为 Meta Superintelligence Labs、斯坦福与哈佛联合的 ProgramBench 排行榜(200 任务,更新于 10 月 22 日):给定编译后的二进制和文档,agent 须从零架构并实现完整代码库复现原程序行为。榜首 Claude Opus 5.5 (xhigh, mini-SWE-agent) 解决率 18.5%、almost 70.5%、单次成本 $36.36;Claude Fable 5.1 为 9.0% ($56.84),Meta Muse Wonder Full 8.5%,Muse (xhigh) 5.5%,GPT 6 Astra (max) 5.0% ($11.47)。发帖人在问 Fable 5.2 的成绩预测。