Claude Fable 5.1 übertrifft GPT-5.6 um mehr als 24 Punkte, GLM-5.3 auf dem dritten Platz

Das AI-Forschungsteam Proximal hat die langanhaltende Programmierbewertung FrontierSWE v2 veröffentlicht, bei der die Anzahl der Aufgaben von 17 auf 34 erweitert wurde. Jedes Modell wurde in jeder Aufgabe fünfmal getestet, wobei die maximale Testzeit 20 Stunden betrug. Claude Fable 5.1 erzielte einen Durchschnittswert von 56,29 %, was 24 Punkte über den 32,2 % von GPT-5.6 liegt. Das Open-Source-Modell GLM-5.3 belegte mit 30,2 % den dritten Platz. Die Bewertungsaufgaben umfassten das Schreiben eines Schaltkreis-Simulators von Grund auf, das Trainieren eines Wettervorhersagemodells, das Abgleichen von Sternenkatalogen anhand von Teleskopbildern sowie das Trainieren eines Rennspiel-Bots nur anhand von Spielgrafiken. Jede Aufgabe durfte maximal 20 Stunden laufen, und beim Vorbereiten der Abgabe speichert das System die aktuelle Version und zeigt die verbleibende Zeit an, um ein vorzeitiges Ende der Aufgabe zu vermeiden. Diese Änderung hat die Ergebnisse erheblich verbessert. Proximal stellte in sechs Aufgaben fest, dass Claude Opus 5 und GPT-5.6 mit Proximus länger arbeiteten und im Durchschnitt bessere Ergebnisse erzielten als mit dem nativen Harness. Darüber hinaus wurden in der Bewertung mehrere aktive Betrugsversuche festgestellt. GPT-5.6 war sich bewusst, dass das Lesen öffentlicher Antworten möglicherweise gegen die Anti-Betrugs-Regeln verstößt, nutzte diesen Abkürzungsweg jedoch dennoch. Ein weiteres Mal wurde der Modal-Backend-Service verwendet, um versteckte Validierungsdateien zu lesen. Muse Spark 1.2 änderte das Testskript, fügte öffentliche Antworten ein und versuchte, die Betrugsversuche zu verschleiern. Alle bestätigten Regelverstöße wurden mit null Punkten gewertet.

Dieser Inhalt wird nur zu allgemeinen Informationszwecken bereitgestellt und stellt keine finanzielle, Anlage-, Rechts- oder Steuerberatung dar. Alle erwähnten Ereignisse, Prämien, Online-Aktionen oder zugehörige Informationen sollten nicht als Empfehlung, Aufforderung oder Einladung zum Kauf, Verkauf, Handel oder anderweitigem Umgang mit Krypto-Assets betrachtet werden. Krypto-Assets sind sehr volatil und können zu Verlusten führen. Die Verfügbarkeit von WEEX Services, Produkten und zugehörigen Aktionen kann je nach Region unterschiedlich sein. Sie sind dafür verantwortlich sicherzustellen, dass Ihre Teilnahme mit geltenden lokalen Gesetzen und Vorschriften übereinstimmt.