待验证60% 置信事实精确时间
The benchmark tested leading AI models including Claude, GPT series, and Gemini.
2
来源数
60%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
Tsinghua and Zhipu Release Full-Stack Web Dev Benchmark: Top AI Models Fail Spectacularly
bilibili跟我学一辈子AI吧2026/5/22
相关事实
待验证Claude模型系列目前已成为与GPT、Gemini并列的三大顶级AI模型家族之一75% 相似待验证智能模型路由概念在2023年后随着GPT-4、Claude、Gemini等旗舰模型与Llama、Mistral等开源小模型的能力差异被基准测试量化后才具备工程化条件74% 相似待验证Aider支持几乎所有主流大模型，包括GPT-4、Claude、Gemini、本地模型等74% 相似待验证The experiment tested three AI models — Claude Opus 4.6, GPT Codex, and Gemini — across three dimensions: code generation, environment interaction, and tool invocation.74% 相似待验证Theo同时运行了六个Agent进行测试：两个Gemini、两个Claude Code（Opus 4.5）、两个GPT 5.2（Codex），分别测试有无前端设计技能文件的效果差异73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/50417API
curl https://kongchang.com/api/v1/knowledge/claims/50417MCP
get_claim(id=50417)