待验证60% 置信基准精确时间
Meta的Llama 3.1系列、DeepSeek-V3、阿里的Qwen2.5-Coder等开源模型在HumanEval、SWE-bench等代码生成基准上与GPT-4级别模型差距显著收窄
2
来源数
60%
置信度
中期 (~90 天)
时效性
2026/7/12
首次发现
有效期至：2026/10/10
来源
阿里禁用Claude Code：AI编程工具安全与数据主权之争
bilibiliSynthMindX2026/7/4
相关事实
待验证Llama 3.1（Meta）、Mistral 7B/8x7B、Qwen2.5-Coder（阿里云）等开源模型在代码和配置生成任务上达到接近 GPT-4 的实用水平83% 相似待验证Meta的Llama 3系列、Mistral、Qwen、DeepSeek等模型在多项基准测试上已接近甚至超越早期的GPT-4水平，且支持本地部署79% 相似待验证以Qwen、DeepSeek、Llama为代表的开源/开放权重模型阵营正快速缩小与GPT-4o、Claude等顶级闭源模型的差距77% 相似待验证在SWE-bench和HumanEval等代码生成基准测试中，国产模型与Claude 3.5/4、GPT-4等仍存在差距，尤其在复杂多文件重构、跨语言代码转换等高难度任务上差距更为明显76% 相似待验证DeepSeek-V3和Qwen2.5系列在代码和结构化数据生成的基准测试（如HumanEval、MBPP）中表现已接近GPT-4级别，但API调用成本仅为其1/10左右76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/489133API
curl https://kongchang.com/api/v1/knowledge/claims/489133MCP
get_claim(id=489133)