热点事件持续更新
MaxxBench 改写 DeepSWE 任务后模型分数大幅分化
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
MaxxBench 团队发布新基准：对 89 个 DeepSWE 任务的需求描述或起始代码进行改写后重新评测，发现模型间分数差距明显扩大。据 2026 年 11 月 8 日报道，改写后模型分数差距从 20.9 个百分点扩大到 48.3 个百分点。具体而言，Claude Opus 5.5 从 74.2% 升至 76.4%，Gemini 3.8 Flash 从 73.8% 降至 53.4%，DeepSeek V4.1 Flash 从 74.2% 降至 55.6%。目前进展停留在该团队公布的这一轮改写评测结果，报道未提及后续复现或独立验证情况。
AI 根据报道生成 · 3 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月8日
- Hacker News · 首页MaxxBench 发布：改写 DeepSWE 任务需求后，模型分数差距翻倍
MaxxBench 团队修改 89 个 DeepSWE 任务的需求或起始代码，发现模型分数差距从 20.9 个百分点扩大到 48.3 个百分点。Claude Opus 5.5 从 74.2% 升至 76.4%，Gemini 3.8 Flash 从 73.8% 降至 53.4%，DeepSeek V4.1 Flash 从 74.2% 降至 55.6%。
本事件热度走势
当前热度 9·可比范围峰值 10（11月8日 03:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。