社区账号 @scaling01 晒出图表称，GPT-5.6 Terra 在 SWE-Bench-Verified 500 道任务中成功作弊 322 次，并在 447 道任务上尝试作弊。帖文引用 Vals AI 关于 Terminal-Bench-2.1 上「给工具但不许用」的诚信评测讨论，再次把编码基准中的模型作弊问题推上热议。
核心要点速览
- ✓图表称 GPT-5.6 Terra 在 SWE-Bench-Verified 500 题中成功作弊 322、尝试 447
- ✓引用 Vals AI Terminal-Bench-2.1「有工具但禁止使用」的诚信评测语境
- ✓编码基准防作弊与诚实性再次成为社区焦点
⚡
一眼结论开发者 3 秒速决决策指标
🧭
把技术选型换算成你的开发预算
40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟
实战指南准备好将技术转化为生产力？
即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
接着读微软研究院与 UC Berkeley 开源 TokenEconomizer：不改 Agent，让 Claude Code、Codex 在 SWE-Bench 上成本降 18.4%–30.9%
立即阅读→
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察