青青色在线,WWW色啪网,欧美激情第五页

8家廠商的主流大模型在SWE?CI測試中的EvoScore變化情況。圖片來源：論文截圖

在所有參評大模型中，Claude Opus系列表現最為突出，從Claude-opus-4.5到Claude-opus-4.6，其EvoScore躍升至約0.9的高位，明顯拉開了與所有競爭對手的差距。

中國的AI大模型中，智譜GLM系列進步顯著，成為第二梯隊中最具競爭力的選手。緊隨其后的是Qwen和MiniMax，整體趨勢向好。而Kimi和豆包雖有提升，但缺乏突破。

研究還發現，不同廠商在大模型訓練策略上偏好存在明顯分化。

具體而言，MiniMax、DeepSeek以及OpenAI的GPT系列大模型更偏好長期效益，顯示出其在長期代碼維護任務中的優勢。這意味著，這類大模型在生成代碼時，更傾向于采用有利于長期演進與穩定性的策略，而非追求短期修復的最優解。

相比之下，Kimi與智譜GLM系列更偏向于短期見效的優化路徑。

而千問、豆包以及Claude系列大模型則呈現出另一種特征：其訓練策略在短期效果與長期維護之間取得了一定平衡。

隨著權重參數γ的變化，各個大模型的排名也隨之發生顯著調整。當γ>1時，大模型排名越高，其代碼庫維護能力越強。圖片來源：論文截圖

另外，研究還有一項關鍵發現：在長期代碼維護中，所有大模型在有效控制性能退化（Regression）方面都表現不佳。

性能退化是衡量軟件質量穩定性的核心指標。如果某個單元測試在代碼更新前已經通過，而更新后失敗了，則判定該變更觸發了性能退化。一旦出現性能退化，不僅會直接影響用戶體驗，在長期維護過程中，隨著修改次數累積，還可能導致系統質量系統性退化。

研究團隊測量了“零退化率”——即在整個維護過程中完全沒有破壞原有功能的任務比例。零退化率越高，維護的系統越穩定。

研究結果表明，在所有參與測試的18個大模型中，只有Anthropic的Claude Opus大模型保持了50%以上的零退化率，大多數大模型的零退化率都低于25%。

18個大模型的零退化率（從低到高排序）。圖片來源：論文截圖

具體而言，Claude-opus-4.6以76%的零退化率遙遙領先。這意味著在絕大多數測試場景中，其性能能夠保持穩定。Claude-opus-4.5以51%位列第二。相比之下，Kimi-K2.5（37%）與GLM-5（36%）表現接近，構成第二梯隊，雖具備一定穩定性，但與頭部大模型仍存在顯著差距。

包括GPT-5.2、Qwen3.5-plus、MiniMax-M2.5和DeepSeek-V3.2在內的其余14個AI大模型的零退化率都在25%以下，這意味著在長期代碼維護過程中，大模型在超過75%的任務中會破壞原本正常的代碼功能，引發性能退化問題。

但從版本迭代的角度看，頭部廠商的AI大模型正快速進步。例如，Claude-opus系列的“零退化率”從4.5版本的51%提升至4.6版本的76%，智譜GLM系列從GLM-4.6和GLM-4.7的14%躍升至GLM-5的36%。

但即便如此，絕大多數大模型仍難以在長期代碼維護中杜絕性能退化問題，距離可靠的自動化長期開發仍有明顯差距。

SWECI基準測試結果的發布，讓行業意識到，“寫代碼”和“維護代碼”是兩種截然不同的能力。對于大模型廠商而言，持續優化可維護性、性能退化控制、架構設計能力，或許將是贏得下半場競爭的關鍵。

免責聲明：本文內容與數據僅供參考，不構成投資建議，使用前核實。據此操作，風險自擔。

立即下載MT4，開啟您的交易之旅

下載MT4，開啟交易之旅