豆包 2.1 代码能力能否比肩主流模型？
把字节官方 SciCode 榜单翻出来细看，豆包 2.1 Pro 59.8、GPT-5.5 58.4、Claude Opus 4.7 56.4。看上去豆包反超了，全网欢呼。但我注意到一个细节——字节自家报告里，编程相关评测"没有一项是第一"，全在第一梯队贴边。NL2Repo 47 分宣称"大幅领先"，可这榜单样本量本来就小，缺乏第三方独立复现；SWE-Bench Verified 这种公认硬核的榜单，豆包至今没放官方成绩，只丢出一份"内部众测胜率 59%"——自评测的水分大家心里有数。Terminal Bench 2.1"接近 Claude Opus 4.7"，接近不等于持平，更不等于超越。我的判断是：豆包 2.1 Pro 的工程交付、长链路 Agent、仓库级理解是真本事；但单点代码质量、复杂算法这些"硬核 Coding"维度，和 GPT-5.5、Claude Opus 4.7 还有半档差距。国产模型第一次站到牌桌中央值得肯定，但封神还早，再让它飞一会儿。
发布于 福建
分享
评论
赞
未登录
友善发言
评论
加载中
