待验证50% 置信事实精确时间
在SWE-Bench评分中，o1的得分远高于o3-mini medium，但略低于o3-mini-high
1
来源数
50%
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
相关事实
待验证在Codeforces评分中，o1的得分远低于o3-mini-high80% 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74% 相似待验证在SWE-Bench Multilingual测试中，HY3得分75.8，略微落后于DeepSeek V4 Pro的76.269% 相似待验证在Chatbot Arena（由LMSYS组织运营）排行榜上，O3 Mini的得分略高于DeepSeek R169% 相似待验证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%68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/59200API
curl https://kongchang.com/api/v1/knowledge/claims/59200MCP
get_claim(id=59200)