待验证60% 置信基准精确时间

阿里云Qwen2.5-Coder-32B在2024年底的评测中，在HumanEval、MBPP等主流代码基准上超越GPT-4o

2

来源数

60%

置信度

中期 (~90 天)

时效性

2026/7/16

首次发现

有效期至：2026/10/14

来源

氛围编程入门：普通人如何用AI指挥代码、一人顶一个团队

相关事实

待验证Qwen2.5-Coder 系列由阿里巴巴通义实验室出品，其32B参数版本在多项指标上超越了GPT-4o82% 相似待验证Qwen3.5在HLE博士级综合题评测中得分28.7，而GPT-5.2为35.566% 相似待验证千问3 Coder 30B在编程基准测试（如HumanEval、MBPP等）中的表现已接近甚至超过部分早期商业闭源模型66% 相似待验证Codex于2021年发布时在HumanEval基准上达到28.8%的pass@1得分，而GPT-4在同一基准上已超过67%63% 相似待验证Claude Opus 4.8在AI Coding基准测试中表现超越GPT-5.563% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/531174

API

curl https://kongchang.com/api/v1/knowledge/claims/531174

MCP

get_claim(id=531174)