GPT-5在软件工程基准SWE-bench Verified上宣称的代码能力领先地位遭到质疑，因其计算成绩时跳过了23道最困难的测试任务，而竞争对手Claude Opus则完成了所有题目。这起争议揭示了AI模型基准测试在透明度、可比性及公信力方面面临的严峻挑战，并促使行业重新审视如何公正、全面地评估大模型的真实能力及其对未来软件工程的深远影响。

Anthropic战略性地提前发布Claude Opus 4.1，以其在编程和智能体任务上的显著提升，直指OpenAI，标志着前沿大模型竞争进入新的阶段。此次发布不仅展现了AI技术在自主性、复杂任务处理上的突破，也预示着成本效益与企业级应用将成为未来AI商业化竞争的关键，加速了自主智能体时代的到来。