【暗区突围离线版破解】GPT-5编程测评大反转，表面不及格 ，实际63.1%的任务没交卷 ，全算上成绩比Claude高一倍
我要评论Scale AI的编表面不及比C倍新软件工程基准SWE-BENCH PRO ，出现反转 ！程测成绩
表面上看，反转“御三家”集体翻车 ，格实e高没一家的际的卷全解决率超过25% ：
GPT-5 、Claude Opus 4.1 、任务暗区突围离线版破解Gemini 2.5分别以23.3% 、没交22.7%、算上13.5%的编表面不及比C倍解决率“荣”登前三 。
但深入数据背后 ，则暗藏玄机 。反转
前OpenAI研究员Neil Chowdhury表示 ，格实e高如果只看已提交的际的卷全任务 ，GPT-5能达到63%的任务准确率 ，比Claude Opus 4.1的没交31% ，高了近一倍 ！暗区突围资透视(免费)
（这怎么不算G又赢！？）
换句话说 ，GPT-5在擅长的题目上依旧稳健 ，与老基准SWE-Bench-Verified的74.9%差距不大，而Claude跟其他模型则直接拉垮到底 。
那么 ，究竟是什么基准测试，让这些顶级模型如此狼狈 ？
SWE-BENCH PRO
先说结论，不是模型变菜了 ，而是题变难了 。
与平均正确率高达70%的SWE-Bench-Verified相比 ，SWE-BENCH PRO严格得可不止一星半点 。
一方面 ，作为OpenAI于2024年8月发布的测试集 ，SWE-Bench-Verified中的暗区突围辅助器(免费)很多代码库已被用作大语言模型的预训练语料，存在着数据污染的风险 。
另一方面，SWE-Bench-Verified还包含不少琐碎的问题 ，例如500个问题中有161个只需一两行修改。
这与工业软件工程中通常涉及的跨多文件 、数百行修改的场景差距较大 ，从而无法真正反映实际开发场景中所面临的挑战 。
基于此 ，SWE-BENCH PRO主打全新题目 ，以确保模型在训练阶段从未接触过测试内容 ，从而更真实地考验模型的实际能力 。
涵盖1865个商业应用 、B2B服务和开发者工具的多元化代码库
具体来说，SWE-BENCH PRO将这些代码库构建为以下三个子集 ：
公共集 ：来自采用copy-left许可证的11个公共代码库的731个问题 。
商业集 ：来自276个源自初创公司代码库的科技开挂器(免费)入口问题。
保留集 ：来自采用copy-left许可证的12个公共代码库的858个问题 。
（注 ：公共集将在HuggingFace上发布，商业集和保留集保持私有，商业集的测试结果会公开 ，保留集用于验证模型是否过拟合 。每个问题由任务描述 、相关测试集和可运行环境构成 。）
这些从强Copyleft许可证（GPL）代码库和真实的初创公司获取的商业代码库能够有效地解决SWE-Bench-Verified存在的数据污染问题 。
为了确保任务的复杂性，研究团队还排除了像1-10行代码编辑这样琐碎的编辑 ，保留了需要进行大量多文件修改的问题 。
此外 ，为了防止模型对任何单一代码库产生过拟合 ，这些代码库都处于活跃状态并覆盖消费者应用 、B2B服务和开发者工具平台 。开挂器(免费)
接下来 ，就让我们看看研究者是如何在这些问题上进行测试的 。
human in the loop的测试环节
为了将模型评估的重点放在当模型获得充分细节后 ，能否实现给定的修复或补丁上 。
研究团队在SWE-Bench Verified的基础上 ，将SWE-BENCH PRO中的每个问题都经过了人工增强 ，并加入了问题陈述 、需求说明以及接口信息。
首先 ，研究团队提供一个待解决问题的问题陈述并在必要时补充上下文信息 。
其次 ，针对潜在的歧义问题 ，对于每个问题 ，列出了一系列需求并指定相应的类和函数 。
之后 ，在环境方面 ，每个任务都在一个容器化的 、用于特定语言的环境中进行评估。
在测试阶段 ，研究通过fail2pass测试验证问题是否已解决 ，通过pass2pass测试确保现有功能保持完整 。
其中 ，为了确保测试质量，fail2pass测试会经过人工筛选，去掉与任务不相关或过于宽泛的测试 。
对于偶尔失败的测试 ，则会运行三次 ，以确保结果稳定 。
实验结论
正如我们开头提到的，大语言模型在SWE-BENCH PRO上的暗区突围开挂器(免费)解决率仅为中等水平 ，远低于SWE-Bench Verified中的70% 。
其中，在公共集上 ，GPT-5和Claude Opus 4.1分别实现了23.3%和22.7%的最高解决率 ，显著优于小规模模型 ，Claude Sonnet 4也达到了16.3%的解决率 。
不过，像DeepSeek Qwen-3 32B和GPT-4o这样的老模型表现就多少有点不尽人意了，仅为3.4%和3.9% 。
在商业集上，即便是最优模型的得分也低于20% 。
这表明当前模型在解决真实商业场景中的问题时 ，能力仍然非常有限 。
针对这一苦涩的实验结果，研究人员展开了进一步的暗区突围透视辅助工具免费分析 ，结论如下 ：
首先，编程语言的难度 、代码库以及模型的种类被视为影响模型表现的关键因素 。
Go和Python通常表现较好，一些模型在这些语言上的解决率超过 30% ，而JavaScript和TypeScript则波动较大，从0%到超过30%不等 。
不同代码库的解决率差异也很明显 ，一些代码库普遍偏低（低于 10%） ，另一些则超过50% 。
前沿模型如Claude Opus 4.1和GPT-5在大多数编程语言和代码库中表现稳定，小规模模型则更易出现接近零的解决率 。
其次 ，不同的模型的失败原因往往各不相同 。
OPUS 4.1的主要失败模式是语义理解不足 ，错误解答占35.9% ，语法错误占24.2%，表明其技术执行能力较强 ，但在问题理解和算法正确性方面存在挑战 。GPT-5的结果显示在工具使用的有效性上可能存在差异
，但错误解答相对较少 。SONNET 4的主要失败模式是上下文溢出（35.6%）和显著的无休止文件读取行为（17.0%） ，表明其在上下文管理和文件导航策略上存在局限。GEMINI 2.5的失败模式则较为均衡
，涵盖工具错误（38.8%） 、语法错误（30.5%）和错误解答（18.0%） ，显示其在多个维度上保持了一定能力。QWEN3 32B作为开源模型
，表现出最高的工具错误率（42.0%）
，凸显了集成化工具使用对于高效代理的暗区突围开挂免费软件重要性
。不难看出 ，GPT-5虽然延续了以往“会就会，不会就不会”的答题策略 ，但面对高企的未回答率（63.1%），它的表现仍然不够看 。
那么，谁会成为第一个突破30%的大模型呢 ？
参考链接
[1]https://x.com/vbingliu
[2]https://scale.com/leaderboard/swe_bench_pro_public
[3]https://x.com/ChowdhuryNeil/status/1969817448229826798
[4] https://scale.com/research/swe_bench_pro
本文来自微信公众号“量子位”，作者 ：关注前沿科技，36氪经授权发布 。
相关文章
源码简介精品UI界面美化iapp源码V3软件库10.0版 。这是一款iapp手机开发软件源码，适合手机开发者专用 ，玩网必备的源码 ，部分配置已失效 ，有iapp开发技术的可以修改自用~ 不知道现在玩iapp2025-11-03比亚迪海狮 07 EV 开启首次 OTA 升级，新增超低温启动和四驱漂移功能
【东车帝原品】近日 ，我们从比亚迪汽车获悉 ，比亚迪海狮07 EV已开启首次OTA升级，将于7月4日20点起陆续推送 。据悉 ，本次OTA升级新增了超低温启动功能 、四驱车型漂移功能等 ，此外还有10余项功能优化2025-11-03- 南京海关 ：夏季促销旺季即将来临 ，作为跨境食品进口企业 ，我们计划通过跨境电商网购保税进口模式提前备货 ，想问一下 ：在企业资质 、通关流程等方面有哪些规定 ，需要注意什么 ？无锡某公司负责人张女士张女士 ：您好 ！近2025-11-03
原神回声之子部落怎么样 ？在原神即将上线的纳塔5.0版本中 ，我们将会迎来全新的冒险和游戏机制 ，旅行者不仅会来到全新的国度 ，还将会在这里与不同部落的人相识，认识更多伙伴 。下面为大家分享一下六部落之一的回声2025-11-03
源码介绍 ：最新二开微交易系统股票配资理财程序源码附教程测试环境 ：Nginx + PHP7.0 + MySQL5.6 + thinkphp伪静态访问order.html 挂着html 会自动更新采集行情2025-11-03
IDC 发布 2024 年印度市场报告：智能手机出货量连续四季度增长，vivo 夺冠
报告显示 ，2024年上半年印度智能手机整体出货量为6900万台 ，同比增长7.2%。第二季度出货量为3500万台 ，同比增长3.2% 。这是连续第四个季度同比增长，但由于平均售价上涨和需求疲软 ，上半年复苏速2025-11-03
最新评论