slop code bench 汇总 Fable 5.1 与 GLM 5.3 多档推理编码评测

Dex Horthy 在 X（2026-09-03）介绍 slop code bench 的阶段性汇总，比较 Fable 5.1、Sol 和 GLM 5.3 的不同推理档位，关注价值在于观察编码智能体在模型与推理预算变化下的表现差异。

• 帖子明确表示许多运行尚未完成，结果仍会更新，因此当前内容不宜视为最终排名。
• 比较同时包含模型差异和 med、high、xhigh 等推理档位差异，变量并不只有模型本身。
• 若测试框架、任务集、运行次数或成本限制不同，分数可能无法直接横向比较。
• Anthropic《Claude Fable 5.1》（2026-09-01）公开了该模型面向编码与长流程任务的产品定位，但没有对 slop code bench 的结果作背书。
• 影响/看点：这类基准可能帮助开发者评估推理档位与成本的取舍；只有在任务、提示词、工具链和完整运行结果公开且一致时，结论才具备较强可复现性。资料依据:
• X：Dex Horthy（2026-09-03）：https://x.com/dexhorthy/status/2095356499946098884
• Anthropic《Claude Fable 5.1》（2026-09-01）：https://www.anthropic.com/claude/fable

本内容由 AI 生成，仅供参考，请注意甄别