Real-SWE基准曝光：Fable 5.1私有代码解决率仅38.8%
Specific Labs发布Real-SWE基准，测试前沿模型在真实私有企业代码库上的表现。Fable 5.1以38.8%领跑，GPT-6 Astra为33.8%，Gemini 3.8 Flash为31.2%。六成任务所有模型通过率低于1
代码生成 相关资讯
腾讯开源Hy4 Preview：770B参数代码基准压制DeepSeek V4 Pro，过度自验拖慢实战交付
2026年8月28日，腾讯混元正式开源Hy4 Preview，总参数770B、激活参数49B、上下文窗口超100万token。在Terminal Bench 2.1代码基准中得分85.4，超越DeepSeek V4 Pro并与Claude
文心4.0一行代码暴露致命缺陷：当AI连字典都不认识
文心一言4.0在最新评测中出现戏剧性崩盘：原本满分的Python字典推导题目直接跌至0分，输出结果暴露出模型对基础数据结构的理解出现严重混乱，稳定性评分暴跌3.7分。
Claude 3.5 Sonnet代码能力升级：超越GPT-4o，加速编程革命
Anthropic近日更新Claude 3.5 Sonnet模型，其代码生成能力在多项基准测试中领先GPT-4o，高效处理复杂编程任务。程序员实战案例在X平台转发超20万次，引发热议：AI是否将重塑软件开发流程？本文深度剖析技术细节与行业影
Claude 3.5 Sonnet领跑SWE-bench基准，代码生成能力超越GPT-4o
Anthropic最新发布的Claude 3.5 Sonnet模型在SWE-bench软件工程基准测试中表现出色，超越OpenAI的GPT-4o，得分领先显著。开发者社区分享实战案例，转发量超8万。该模型通过强化学习优化前端任务，进一步巩固