Epoch AIの新しいMirrorCodeベンチマークは、元のコードにアクセスせずにAIモデルが完全なプログラムを再現できるかをテストしています。

Claude Opus 4.7は56%の解決率でトップとなり、わずか14時間で16,000行のツールキットを再構築しました。ただし、テストされたすべてのモデルは依然として複雑なタスクで失敗しています。

AI生成：要約はリンク先の情報源をもとにAIが作成しています。 AIの利用について