编程能力排名是 claude fable5 > gpt sol extra > claude 4.8 吗？

shunia · 发表于 4 天前

@Thiece #11 没仔细看，请问链接里的第一个表是不是考虑到了性价比？我看 sol 比 fable 也便宜太多了。

szthanatos · 发表于 4 天前

@mmdsun webdev 榜单混元排 16 、qwen3.7-max 排 20 ，ds-v4-pro-thinking 31 ，榜单和现实差距太大了

DICK23 · 发表于 4 天前

gpt5.6sol 我的感受是明显优于 5.5 的

mmdsun · 发表于 4 天前

@blackantt kimi 3 写代码要比实际好很多，但是要深度思考开最大、测评也是用的 max GLM5.2 也是。如果不开最大就很差，简直两个模型。现在有中转站都混用国产模型和 GPT/Claude 写代码已经看不出来了。我们公司内部也准备搞个测试实验针对写代码的情况盲测。

mmdsun · 发表于 4 天前

@loshine1992 模型编程能力一般都是选用前端的，因为前端好观察、量化打分。并且现在前端工程也不是简单 html 页面了、工程化也复杂用来评估模型代码能力没什么问题的。Agent Arena 排行 Kimi 3 就掉到第三了。另外已知 GLM 5.2 要开 max 模式，也就是最大深度思考才能比得过海外模型。kimi 3 估计送测也是 max 模式吧虽然排行没有写实际感觉还是 max 最大思考深度才会聪明一些。

deplives · 发表于 4 天前

我反而觉得 fable 5 是不如 5.6 sol 的
上周我实验了好久，发现同样的 xhigh 的强度,
不使用任何 skill 的情况下，在使用相同的 agent.md 和 claude.md 的情况下
纯后端无任何前端 UI 的 swift 6 代码
新 feature 的情况下测试了十多次，fable 5 有概率写不出一次编译过的代码
大概出现了 3 4 次(先不管功能是否正确，只管写完的代码能否一次编译通过) 但是 5.6 sol 从来没遇到编译不过的
再和 UI 相关上，fable 就更是灾难，使用 /simplify 对 UI 部分的代码进行精简，结果就是精简完的代码完全改变了 UI 的样式，和交互逻辑。很自以为是，但是因为 codex 没有原生的 /simplify 就直接引用了 https://github.com/anthropics/claude-plugins-official/blob/main/plugins/code-simplifier/agents/code-simplifier.md 做了一些必要的修改后作为本地 skill 使用，结果比 fable 好太多了，不会出现 UI 被改变，交互被改坏的情况