Hacker News front page● 精選AI 評分79
MaxxBench 微改 DeepSWE 任務，多款模型分數大跌
新基準 MaxxBench 對 DeepSWE 的 89 個任務做小幅修改（參考補丁中位數僅增 17 行），多款模型得分隨之大幅下滑：Gemini 3.8 Flash 從 73.8% 降至 53.4%，DeepSeek V4.1 Flash 從 74.2% 降至 55.6%，Claude Opus 5 從 73.6% 降至 63.5%。
找到 1 筆；也可以試試 語意搜尋
新基準 MaxxBench 對 DeepSWE 的 89 個任務做小幅修改（參考補丁中位數僅增 17 行），多款模型得分隨之大幅下滑：Gemini 3.8 Flash 從 73.8% 降至 53.4%，DeepSeek V4.1 Flash 從 74.2% 降至 55.6%，Claude Opus 5 從 73.6% 降至 63.5%。