SWE-Bench 新基准测试 AI 代码能力：Claude/GPT/Gemini 全部 0% 完成

工程智能——AI 能力评估的下一个前沿。

• SWE-Bench 作者发布全新更严格的基准测试
• Claude Opus 4.7、GPT-5.5 Instant、Gemini 等顶尖模型全部 0% 完成
• 新基准聚焦真实工程项目级别的任务，而非单文件代码补全
• AI 圈陷入沉默：当前模型在工程智能上仍有巨大差距
• 这表明工程智能将成为下一个核心竞争领域

来源： 36 氪（机器之心）
链接： https://36kr.com/p/3798593895930888