AI顶级编程智能体在私有代码库基准测试中失败率超60%

Y Combinator投资的Specific Labs推出新基准Real-SWE，将编程智能体投入真实企业的私有代码库进行测试。Claude Fable 5.1以38.8%的成功率领先，但整体失败率仍超60%；单任务成功率更低，六项任务不足15%，有一项在64次尝试中无人解决。