#软件工程能力

12小时前

Claude 4.5 Opus 把 SWE Bench 评测分提到 80.9% 了，算是软件工程能力已经达到 80 分了吧。不知道取得 90 分还要多久，根据最后的 20% 还要 80% 的付出（或者最后 10% 还要 90%）的原则，可能还要很久很久… PS：上个月送的 Claude Max 订阅还有六天就要到期了，找时间试一试 4.5 Opus。

#Claude 4.5 Opus #SWE Bench #软件工程能力 #评测分数提升 #Claude Max订阅

13小时前

Claude Opus 4.5 发布，本来软件工程能力确实是最强，也是首个评测超过 80 分的，不过 Anthropic 官方这张图还是很有争议。可以理解为了突出顶端数据差异，有意折叠了 0-70 的部分，仔细看也有折叠的标记。不过从数据可视化展示的客观性来看，还是不可取的行为，哪怕是用自家 Sonnet 4.5 来评价，问题也是相当明显的。

#Claude Opus 4.5 #软件工程能力 #Anthropic #数据可视化争议 #Sonnet 4.5