待验证70% 置信事实时间未知

Anthropic在代码基准测试（如HumanEval、SWE-bench）上持续领先

1

来源数

70%

置信度

中期 (~90 天)

时效性

2026/5/31

首次发现

有效期至：2026/8/29

来源

微软禁用Claude Code始末：强制内部转向Copilot CLI的真实原因

bilibili-与AI同行-

涉及实体

Anthropiccompany HumanEvalconcept SWE-benchconcept

相关事实

已验证Claude在编程基准测试（如HumanEval、SWE-bench等）中持续名列前茅72% 相似待验证HumanEval由OpenAI自研，专门测试代码生成的功能正确率70% 相似已验证Claude Code依托的Sonnet模型在HumanEval、SWE-bench等主流编程基准测试中持续领先70% 相似待验证代码生成领域的模型评估如HumanEval、SWE-bench格外强调功能正确性而非流畅度68% 相似待验证评估智能体编程能力的主流基准包括SWE-bench、SWE-bench Verified和HumanEval66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/9751

API

curl https://kongchang.com/api/v1/knowledge/claims/9751

MCP

get_claim(id=9751)