Claude 4 Sonnet 全方位实测：百万上下文、代码能力与性价比的真实数据
Anthropic Claude 4 Sonnet 公测两周，我们用 12 个真实任务做横向对比。重点关注：100 万 token 检索准确率、代码能力、工具调用稳定性、定价。
快讯：GPT-5 在 SWE-bench Verified 突破 80%，OpenAI 内部目标 85%
OpenAI 内部路线图泄露：GPT-5 主线任务（SWE-bench Verified）目标 85%，目前已达 80.3%。Codex 团队被要求把失败案例重做一遍。