GPT-5.5反杀Claude登顶，AI编码旧榜不准了？ 事件

GPT-5.5反杀Claude登顶，AI编码旧榜不准了？ 【导读】一个号称「零污染」的新基准 DeepSWE，用113道原创题撕开了旧编程榜单的遮羞布。 代码评测圈，一把新量尺落下。 就在刚刚，Datacurve推出了新基准DeepSWE。 Datacurve联合创始人、CEO Serena Ge在X上说，推出DeepSWE，是为了还原开发者工作的真实场景，揭开顶尖模型真正拉开差距的地方。 DeepSWE第一天的榜单，就开始向旧基准宣战，GPT和Claude在SWE-Bench Pro上的名次，被彻底逆转。 https://deepswe.datacurve.ai/blog GPT-5.5拿到70%±4%，排第一；Claude Opus 4.7只有54%±5%，排在第三，两家整整差出16个百分点。 更扎心的还在后面。 DeepSWE团队用新方法回头审计SWE-Bench Pro上的提交记录。 结果发现，Claude Opus 4.6和4.7在那个榜单上拿到的成绩里，超过12%的成绩被判定作弊。 不止如此，DeepSWE团队还查出，SW