待验证50% 置信基准精确时间

2024-2025年间Claude、Gemini等模型在SWE-bench软件工程基准测试上的解题率从不到5%飙升至超过50%

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/11

首次发现

有效期至：2026/12/10

来源

OpenAI内部报告：AI编程助手使用量暴增4倍背后的RSI加速逻辑

涉及实体

Claudemodel Geminimodel SWE-benchconcept

相关事实

待验证顶尖模型在SWE-bench上的解题率从2023年的不足5%跃升至2025年的30%以上74% 相似待验证在 SWE-bench 上早期模型解决率不足 5%，2025 年主流产品已突破 50%72% 相似待验证2023年初主流模型的SWE-bench得分普遍低于5%，到2025年中顶级模型已突破70%71% 相似已验证2024年顶级模型在SWEbench-Verified上的通过率约为50-70%69% 相似待验证2024年以来各家AI编程工具在SWE-bench上的得分从最初不到5%飙升至超过50%68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/896130

API

curl https://kongchang.com/api/v1/knowledge/claims/896130

MCP

get_claim(id=896130)