AI 用 14 小时复现人类数周编程任务,机器人叠衣服成功率 99.1%
Import AI 466: The bitter lesson for robotics, AIs complete week-long programming tasks; and OpenAI’s accidental AI hacker
Epoch 和 METR 的 MirrorCode 基准测试显示,Claude Opus 4.7 在 14 小时内、花 251 美元推理成本,重新实现了一个人类需要 2 到 17 周才能完成的软件项目。测试方式是只给模型命令行交互权限,不让看源码也不让上网,让它从零写出功能一样的程序。
推荐理由:Epoch 和 METR 的 MirrorCode 基准只给模型命令行权限,Claude Opus 4.7 在 14 小时内、花 251 美元推理成本重写了人类需 2 到 17 周的软件项目。