待验证60% 置信事实时间未知

Codex One在SWE-bench上的表现略优于O3 High，在OpenAI内部软件工程任务上准确率达到75%，而O3 High为70%

2

来源数

60%

置信度

中期 (~90 天)

时效性

2026/5/31

首次发现

有效期至：2026/8/29

来源

OpenAI Codex深度实测：异步AI编程Agent真实表现如何

bilibiliKrillinAI小林

涉及实体

Codex Onemodel O3 Highmodel SWE-benchconcept

相关事实

待验证Codex One在SWE-bench上的表现略优于O3 High78% 相似待验证在编程基准测试中，Codex-1的表现超越了Claude 3.7和O3 High72% 相似待验证在SWE-Bench评分中，o1的得分远高于o3-mini medium，但略低于o3-mini-high68% 相似待验证在AID基准测试中，o1 high（对应o1 pro）的编程能力得分超过60，优于o3-mini-high，但两者非常接近66% 相似待验证OpenAI o4在ARC-AGI-2测试中得分68.8%，GPT-5.2得分52.9%65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/4986

API

curl https://kongchang.com/api/v1/knowledge/claims/4986

MCP

get_claim(id=4986)