Claude 3.5 Sonnet 刷新 SWE-bench Verified

Anthropic 宣布，Claude 3.5 Sonnet 在 SWE-bench Verified 基准测试中取得 49.0% 的得分，较此前最佳成绩提升 20 个百分点以上。该模型在解决真实 GitHub 问题、生成补丁和通过测试方面表现显著提升，尤其在处理复杂代码库和长上下文任务时更为稳健。Anthropic 表示，这一进步得益于模型在推理、代码生成和工具使用能力上的优化。目前，Claude 3.5 Sonnet 已可通过 Anthropic API 使用，开发者可将其集成到编码工作流中。