我们今天来聊聊大模型的 Coding Benchmark，特别是 SWE-bench Pro，深入的了解Benchmark得分到底意味着什么？ 以及 能不能用Benchmark来选择模型。 随着 Claude Mythos 5/Fable 5 的发布，大家是不是也像我一样被下面这张表刷屏了？ 图片 特别是 SWE-bench Pro 80.3% 的得分，可以说是 ...