一项最新基准测试在真实编码任务上对 GPT-4.1、Claude Sonnet 4.5 和 Gemini 2.5 Pro 进行了比较。Claude Sonnet 4.5 在代码生成方面得分最高，展示了强大的结构一致性以及 asyncio 等高级库的恰当使用。Gemini 2.5 Pro 在复杂推理任务中表现出色，并提供了最详细的解释，而 GPT-4.1 通过提问来处理歧义，但在被迫生成输出时做出了合理的假设。 AI
影响 Claude Sonnet 4.5 在复杂编码任务中表现出卓越的性能，可能影响企业在开发工作流中的采用。
排序理由 该集群包含一项详细的独立基准测试，在编码任务上比较了多个 LLM，包括方法论和结果。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →