SlopCodeBench 代码基准完整实测：GLM 5.3、Sol 5.6 与 GPT-6 Astra 表现对比

开发者 Dex Horthy 于 2026 年 9 月 12 日在 X 平台公布了 SlopCodeBench 基准测试的完整实测结果，评估了 GLM 5.3、Sol 5.6 与 GPT-6 Astra 在全量编码场景下的性能表现。

• 根据 Dex Horthy 于 2026 年 9 月 12 日公布的评测记录，这是该基准首次完成全场景覆盖测试，而非以往的小规模抽样。
• 实测数据显示 Astra 得分略高于 gpt-5.5 但差距弱于此前预期，而 Sol 5.6 的得分则低于 gpt-5.5。
• 测试者分析指出，部分新模型在开启高思考模式时更易出现逻辑失控，在日常使用中选择中低思考强度反而表现更稳健。
• 影响/看点：该实测反映出增加推理思考步数在复杂工程代码场景中可能带来收益递减甚至负面影响，提示开发者在配置推理模型时需结合具体任务权衡思考模式级别。
• 资料依据：
• X：Dex Horthy（HumanLayer）（2026-09-12）：https://x.com/dexhorthy/status/2098864943231803562
• SlopCodeBench GitHub 仓库（2026-09-12）：https://github.com/dexhorthy/slopcodebench

本内容由 AI 生成，仅供参考，请注意甄别