AI Frontier Radar

タグ

#swe-bench

このタグに紐づいた記事だけをまとめて追えるページです。

1本 タグ一覧へ
Anthropic Opus 4.8
速報 LLM Models anthropics/anthropic-sdk-python

Claude Opus 4.8 が公開｜SWE-bench Pro 69.2%、Fast モードが3倍安く・速く

Anthropic が5月28日に Claude Opus 4.8 を公開。SWE-bench Pro 69.2%、SWE-bench Verified 88.6%、Online-Mind2Web 84% と前世代を上回り、Fast モードは2.5倍速・3倍安に。整合性も「Mythos Preview に並ぶ」と報告。

コーディング常用モデルの基準値が一段上がる。社内の評価セット・コスト見積もりを更新するタイミング。