Fable 5发布，写代码实测有多强？
Fable 5在SWE-Bench Pro拿到80.3%，GPT-5.5是58.6%，Gemini 3.1 Pro是54.2%，自家Opus 4.8是69.2%。看起来像是领先第二名11.1个百分点，但工程师不会因为榜单多了11分就把生产库钥匙交出去。周五18:10，运营突然说：“优惠券退款后没退回，今晚活动还要继续。”普通代码助手可能给你补一个退款函数；真正的项目级Agent得自己找到退款事件、券回收消费者、幂等键和消息重试，复现问题，改最少的文件，再把测试跑完。前者是省打字，后者才可能省掉一整晚排查。SWE-Bench Pro和CursorBench测的，正是这种“读懂代码库—定位问题—修改—验证”的闭环。素材里还有Stripe一天迁移5000万行Ruby代码的企业案例，但这是特定类型的规则化迁移，不能直接翻译成“所有项目提效120倍”。历史包袱重、需求说不清的系统，依旧会把Agent拖回人工手里。我会看五个数：首次通过率、人工接管次数、越界修改文件数、回归漏错率，以及从接单到合并的总成本。80.3%也意味着在这个测试口径下，仍有接近五分之一的任务没闭环。它可以进团队试岗，但还不该拿生产库最高权限。
发布于 湖南
分享
评论
赞
未登录
友善发言
评论
加载中
