0%完成率！最强AI集体翻车新基准测试把代码大模型打回原形小牛说：SWE-Bench作者刚刚放出一个地狱级新基准，结果让整个AI圈沉默了。Claude Opus 4.7、GPT-5.4、Gemini 3.1 Pro——所有一线模型，在ProgramBench上的完成率全部是0%。没错，是百分之零。这意味着什么？大模型已经很会写代码，但依然不会做软件工程。ProgramBench要求模型从零重建一个真实软件项目，比如FFmpeg、SQLite，而且不能联网。它不看代码相似度，只测行为等价。结果发现，模型极度倾向于生成单体化代码，把所有逻辑塞进一个文件，和人类工程师的模块化思维完全相反。当前AI Coding的真正瓶颈，已经不是代码生成能力，而是全局系统规划与长期工程构建能力。你觉得，模型未来能学会真正的软件工程吗？ #AI编程 #大模型 #ProgramBench #软件工程 #基准测试

Uploaded: 2026-05-08T13:15:00+08:00Z
Duration: 10 s
Channel: 小牛聊AI
Description: 0%完成率！最强AI集体翻车 新基准测试把代码大模型打回原形 小牛说：SWE-Bench作者刚刚放出一个地狱级新基准，结果让整个AI圈沉默了。Claude Opus 4.7、GPT-5.4、Gemini 3.1 Pro——所有一线模型，在P - 小牛聊AI于20260508发布在抖音，已经收获了2.0万个喜欢，来抖音，记录美好生活！