待验证85% 置信事实时间未知

早期GPT-4在SWE-bench上的解决率不足2%，而近期顶尖模型已突破50%

1

来源数

85%

置信度

长期有效

时效性

2026/5/31

首次发现

来源

Gemini 3实测：AI Studio Vibe Coding让人人都能做网站、漫画和游戏

bilibili认真的笨笨

涉及实体

GPT-4model SWE-benchconcept

相关事实

待验证早期GPT-4在原始SWE-Bench上的通过率仅约1.7%82% 相似待验证GPT-5.6在SWE-bench评测中以不到竞品一半的成本实现更优效果和更高解决率79% 相似待验证GPT-4 发布时在 MATH 数据集上的正确率为 42.5%76% 相似待验证GPT系列模型在维基百科文本上的困惑度从GPT-2的约29降至GPT-4的更低水平76% 相似已验证GPT-5.4在SWE-Bench Pro测试中拿下57.7%准确率，超越了GPT-5.3-Codex的56.8%75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/14582

API

curl https://kongchang.com/api/v1/knowledge/claims/14582

MCP

get_claim(id=14582)