OpenAI 挑战 AI 评测基准 SWE-Bench Pro:约 30% 存在评测缺陷




OpenAI 挑战 AI 评测基准 SWE-Bench Pro:约 30% 存在评测缺陷 - IT之家

2 个赞

openai: 我掀桌了,都别玩

此处应该配一个gpt5.5在这个榜单排名第15的截图。。。就更有说服力了

在这个榜单上,gpt被吊打了