# 独立编程基准测试DeepSWE发布：GPT-5.5表现显著优于Claude Sonnet

- 来源：Tibo (@thsottiaux)
- 发布时间：2026-05-28 14:45
- AIHOT 分数：63
- AIHOT 链接：https://aihot.virxact.com/items/cmpp5eix60c09slv4u7pzqohf
- 原文链接：https://x.com/thsottiaux/status/2059888697471078544

## AI 摘要

新发布的独立基准测试 DeepSWE 结果更贴近开发者日常体验。测试显示，在编程任务上，GPT-5.5 得分为 70%，而 Claude Sonnet 得分为 32%，两者差距显著。DeepSWE 聚焦于 AI 智能体在真实工作流中的核心能力，即能否仅凭简短提示词，准确定位代码库并干净地完成修改，无需用户列举具体文件。原文指出，这验证了许多开发者长期以来的观察，并批评了 SWE-Bench 因数据集污染和验证机制较弱而常无法反映真实能力的问题。

## 正文

Excited to see more independent benchmarks like that which are not contaminated （trained on by major models）.

### 引用推文

> Kol Tregaskes：Many developers have suspected for months that GPT-5.5 outperforms Claude Sonnet for coding. But SWE-Bench reported near-parity, and it made people question wha...