编程基准评测：从二进制逆向到跨语言迁移，新一代深度能力测试
2026.09.06 · 观点 · 行业动态 · 社区热议
Reddit 用户盘点 Program-Bench、SRE-Bench 等新基准，GPT-6 Astra 等模型表现领先
Reddit 用户指出，传统编程基准已难以区分前沿模型，并推荐了三个更考验深度智能的基准：Program-Bench 要求仅凭编译后二进制和文档重建代码库，GPT-6 Astra 得分 5.5%；SRE-Bench 测试理解无源码二进制的能力，GPT-6 Astra 达 88%；Code Migration 考察跨语言重实现，GPT-6 Astra 为 67.7%。
- Program-Bench：仅凭二进制重建代码库，GPT-6 Astra 5.5
- SRE-Bench：理解无源码二进制，GPT-6 Astra 88%
- Code Migration：跨语言重实现，GPT-6 Astra 67.7%
- 传统基准如 LiveCodeBench 已难区分前沿模型
为什么值得看
揭示传统基准失效，新基准更考验真实软件工程能力。
适合谁关注
关注 AI 编程能力评测的研究者与开发者。