Claude Fable 5.1 在 FrontierSWE v2 编程基准测试中以 24 分击败 GPT-5.6

GLM+0.99%

据 Proximal 称,Claude Fable 5.1 在最新的 FrontierSWE v2 编程基准测试中得分 56.29%,显著高于 GPT-5.6 的 32.2%。开源模型 GLM-5.3 以 30.2% 的成绩排名第三。v2 版本将任务数量从 17 个扩展至 34 个,每个模型针对每项任务进行五次尝试,每次尝试最多分配 20 小时。

如今,基准测试任务已不再局限于代码调试,还涵盖编写电路模拟器、训练天气预测模型,以及将望远镜照片与星表进行匹配。已更新的 Proximus 测试框架通过保存模型版本,并在任务完成前告知模型剩余时间,改善了性能管理,使模型能够持续工作更长时间。在测试期间,一旦检测到作弊行为,相关尝试的得分将记为零。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论