#编码基准

共 7 条 · 7 天 0 条 · 30 天 0 条

Claude 1 Fable 5.1 1 FrontierSWE 1 Kimi K3 1 Moonshot 1 ProximalHQ 1 前端代码 1 开源模型 1

信息流里打上「编码基准」标签的资讯、产品与论文，按刊登时间排，新的在上。

9月3日

FrontierSWE v2 发布超长编码基准测试

ProximalHQ 推出了超长编码基准 v2，Claude Fable 5.1 在测试中大幅领先其他模型。

#FrontierSWE #Fable 5.1 #Claude #ProximalHQ

elvis@omarsar0原文

7月19日

模型中美对照多源确认71°20:06

开源模型Kimi K3登顶Arena前端代码榜，超越Claude Fable 5和GPT-5.6 Sol

中国开源模型Kimi K3编码能力比Claude和GPT还强，价格却便宜好几倍，做长上下文编程选它准没错。

#Kimi K3 #Moonshot #开源模型 #前端代码

@koltregaskes@koltregaskes11 个信源在谈原文

7月9日

行业中美对照官方一手04:11

OpenAI分析揭示SWE-Bench Pro编码基准的可靠性问题

OpenAI发文说SWE-Bench Pro这个编码基准有噪声问题，做评估的得留个心眼。

#OpenAI #SWE-Bench Pro #编码基准 #评估

官方一手OpenAI Blog11 个信源在谈原文

模型中美对照多源确认精选03:16

Grok 4.5价格远低于Fable 5和GPT-5.5，基准差距被淡化

Grok 4.5每百万token才2美元，编码虽不如Fable 5但便宜到可以忽略差距，性价比碾压。

#Grok 4.5 #xAI #Fable 5 #GPT-5.5

官方账号Decoder@Matthias Bastian11 个信源在谈原文

6月28日

模型中美对照73°00:49

DeepSeek Pro Max 模式在编码基准上超越 GPT-5.4、Gemini 3.1 Pro 等

DeepSeek 拿 Pro Max 模式在 LiveCodeBench 等三大编码基准上直接碾压 GPT-5.4 和 Claude Opus 4.6，分数拉满，但还没开放下载，先来围观一下。

#DeepSeek #Pro Max #编码基准 #开源模型

Geek@geekbb原文

6月17日

模型中美对照多源确认04:01

GLM 5.2 在 FrontierSWE 基准排名第三，超越 GPT-5.5

GLM 5.2 在编码基准上干掉了 GPT-5.5，开源里最强，值得关注。

#GLM 5.2 #FrontierSWE #GPT-5.5 #开源模型

elvis@omarsar011 个信源在谈原文

6月9日

模型中美对照多源确认83°08:46

METR 编码基准饱和？Cognition 发布 FrontierCode 新评测，Claude Opus 4.8 仅 13.4%

做 AI 编程评估或关注模型实际能力的开发者，这个新基准直接戳中了当前模型的软肋——代码能跑但不可维护，值得看看你的模型能拿几分。

#编码基准 #FrontierCode #Claude Opus 4.8 #代码可维护性

Gary Marcus@GaryMarcus4 个信源在谈原文