編程大考，全球頂尖LLM奪金，真無(wú)敵了？最難編碼基準(zhǔn)SWE-Bench Pro出世，匯集了平均超100行代碼的難題。沒想到，最能打的LLM紛紛潰敗，GPT-5僅拿下23.3%高分。

繼IMO 2025登頂后，谷歌、OpenAI的模型，再一次拿下了ICPC金牌。

ICPC，被公認(rèn)為全球最具挑戰(zhàn)的大學(xué)生編程競(jìng)賽之一。

OpenAI和谷歌不僅解決了全部12題，還在人類選手中位列第一，難道AI編程真能所向披靡了嗎？

最新一項(xiàng)基準(zhǔn)測(cè)試，直接打臉了全世界的頂尖模型。

它就是SWE-Bench Pro，專為評(píng)估AI編程智能體而生的新一代基準(zhǔn)測(cè)試，直面真實(shí)企業(yè)級(jí)工程任務(wù)。

相較于前代SWE-Bench，Pro版本升級(jí)帶來(lái)了三大突破：

•  

  任務(wù)難度全面提升

   

•  

  抗數(shù)據(jù)污染能力更強(qiáng)

   

•  

  無(wú)限逼近真實(shí)代碼庫(kù)

   

這一版，堪稱編碼中的「最后人類考試」。在實(shí)際測(cè)試（公開集）中，頂尖模型幾乎潰敗。

GPT-5雖拿下了第一，但成績(jī)僅有23.3%，Claude Opus 4.1以22.7%得分位居第二。

其他模型更是沒有一個(gè)能打的，得分全部低于15%。

這意味著，在更貼近真實(shí)世界的編程任務(wù)中，LLM的長(zhǎng)程編碼能力仍是短板。

最新21頁(yè)技術(shù)論文，詳細(xì)公開了SWE-Bench Pro設(shè)計(jì)細(xì)節(jié)。