
【导语:在最新的MirrorCode排行榜上,Claude Fable 5以64%的绝对成功率登顶,与其他竞品拉开巨大差距。其在不同语言上的稳定表现,以及模型在项目级任务中的出色能力,都预示着AI编程领域正迎来新变革。】

在刚刚刷新的MirrorCode排行榜上,Claude Fable 5以64%的绝对成功率再次登顶。紧追其后的GPT - 5.6 Sol,分数只有它的三分之一,而排在第四的GPT - 5.5成绩仅为10%,甚至还不如自家前辈GPT - 5.4。

完整的MirrorCode包含25个目标程序,覆盖多个领域。模型需在隔离环境下,依据高层文档、部分可见测试和可反复调用的原程序,写出行为一致的新程序。最新榜单选取15个Medium和Large目标,每个目标用两种语言运行三次,且可见测试与隐藏测试完成率必须达100%才算通过。
为了让模型补上最后缺口,MirrorCode将单次预算推到100亿Token,最长允许连续运行7天。论文中成本最高的一次任务,模型连续跑了19天,单次花费2600美元。像Claude Opus 4.7处理gotree项目,虽完成度达99.95%,但因一个冷门边界未通过,被拦在100%通关线外。不过它已将原本按周计算的工程量,压缩到十几个小时。

以公开训练混合为参照,Python语料约是Ada的230倍。但Fable 5在Go语言解出率为64%,换成Ada成绩仍高达61%,只下降3个百分点。而其他模型如GPT - 5.6 Sol、GPT - 5.4、GPT - 5.5在换用Ada语言后,成绩均大幅下降。

如今,Cursor让数百个Agent协作写出超100万行的浏览器代码,Anthropic用16个Claude Agent搭出能编译Linux 6.9内核的C编译器。OpenAI披露的样本中,大部分用户会提交较长时间工作量的任务。MirrorCode的64%成功率表明,前沿模型已能独立完成部分中大型软件项目。未来,人们对AI的使用方式将改变,代码成本降低,能明确问题和验收结果的人将更有价值。
编辑观点:Claude Fable 5的出色表现为AI编程树立新标杆,其在不同语言和极限测试中的稳定能力,推动AI编程迈向项目级委托。这将重塑软件开发模式,对行业发展影响深远。
5970



被折叠的 条评论
为什么被折叠?



