待验证50% 置信基准精确时间
顶级付费模型如Claude 3.5 Sonnet、GPT-4o在SWE-bench上的解决率普遍高于免费或轻量级模型10至30个百分点
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/25
首次发现
有效期至：2026/12/24
来源
涉及实体
相关事实
待验证在 SWE-bench 测试中，早期 GPT-4 解决率不足 2%，而 Claude 3.5 Sonnet 突破 49%75% 相似待验证2024-2025年间，Claude 3.5 Sonnet、GPT-4o、Gemini 2.0等模型在HumanEval、SWE-bench等编程基准测试的通过率从不足50%提升至90%以上74% 相似待验证Claude Sonnet 4.6与GPT-5.1 Codex在SWE-Bench Verified上的解决率差距仅为3.3个百分点73% 相似待验证GPT-5.6 Extreme High档位约需63美元获得53.6%得分，而Claude Sonnet自适应模式耗费约2000美元得分仅40.5%72% 相似待验证Opus-tier pricing is typically 3-5x that of the mid-tier Sonnet model.72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/949813API
curl https://kongchang.com/api/v1/knowledge/claims/949813MCP
get_claim(id=949813)