Verified70% confidenceFactTime unknown
Codex在HumanEval基准测试上达到了28.8%的pass@1准确率
4
Sources
70%
Confidence
Long-term
Relevance
5/31/2026
First Seen
Sources
GPT-4 Thinking深度评测：编程、Agent与写作能力实测对比
bilibiliAI技术研究院
Related Entities
Related Claims
Unverified初版 Codex 采用约120亿参数规模，在 HumanEval 基准测试中达到 28.8% 的 pass@1 通过率83% similarUnverified早期Codex在HumanEval基准测试中以37%的准确率独立解决编程题，达到当时最高水平81% similarUnverifiedCodex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%76% similarUnverified初代Codex在HumanEval基准测试上的pass@1指标达到28.8%，而直接使用GPT-3仅为0%76% similarUnverified向 Codex 发出'无论消耗多少额度，修复完要做真实测试，真实发请求验证API能否返回结果，反复测试直到成功'的指令后，Codex 运行了36分钟，最终自主完成了调试64% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/13593API
curl https://kongchang.com/api/v1/knowledge/claims/13593MCP
get_claim(id=13593)