一款新的人工智能模型 Sonnet 5 在 SWE-bench Pro 基准测试中取得了 63.2% 的分数。另外，OpenAI 的模型 Terra 据称在 Terminal-Bench 上获得了 84.3% 的分数，但这一说法是供应商声明、仅限预览且未经证实。作者警告不要将未经证实的基准测试视为证据，将其比作营销新闻稿。 AI
影响 为人工智能模型在软件工程任务中的性能设定了新的基准，可能推动进一步的发展和竞争。
排序理由 该集群报告了人工智能模型的基准分数，属于研究范畴。[lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — fosstodon.org 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
