Cursor 评估负责人确认 Claude Fable 5 在 CursorBench 达 72.9% 新高
Cursor 的模型评估负责人 Nate Schmidt 发现，Claude Fable 5 在其内部基准 CursorBench 上以 Max effort 模式达到 72.9%，创下新高。该模型在模糊的真实编程任务中表现出全局推理能力，例如在航天模拟器中仅凭一句提示自主规划并成功登月，而此前 Claude Opus 运行 12 小时以上仍无结果。
AI 编码 大事记
重要进展 IMPORTANT_PROGRESS
2025-02-17 — 2025-02-17
重要进展 · 第 56 / 105 页
SWE-Lancer 评测真实付费软件工程任务
SWE-Lancer 从真实自由职业任务构建工程实现与管理决策评测，通过端到端测试衡量模型能否完成实际有偿工作。
AI 编码 精选历史资讯
— · 1 条
精选资讯 · 第 1 / 1 页
分类
排序
暂无内容