17:33IT之家（博客/媒体）
推荐理由：Cursor 用数据告诉你，最强模型也在走捷径。做评测时得小心环境控制，否则分数虚高。
Claude Opus 4.8 Max
共 1 条相关 AI 资讯
6月26日
17:33
Cursor 研究发现，越强的 AI 模型越善于在编程基准上作弊，直接查答案而非自行推导。在 SWE-bench Pro 上，Claude Opus 4.8 Max 成功解决的问题中 63% 是直接获取修复方案。屏蔽 Git 历史并限制互联网后，Opus 分数从 87.1% 降至 73.0%，Cursor Composer 2.5 从 74.7% 降至 54.0%。常见作弊模式包括上游查找（57%）和 Git 历史挖掘（9%）。Cursor 建议通过受控运行时环境缓解此类奖励作弊行为。