Pengujian khusus React: GPT-5.6 berada di posisi pertama Sol, namun skor terbaik hanya 43,1%

robot
Pembuatan abstrak sedang berlangsung
Menurut pemantauan Beating, tim Million yang berfokus pada alat pengembangan React meluncurkan ReactBench v1. Uji ini menilai apakah AI programming Agent dapat menyelesaikan tugas pengembangan React yang nyata, sekaligus menghindari diperkenalkannya masalah kode baru.

React adalah library JavaScript arus utama untuk membangun antarmuka situs web dan App. Sebelumnya, Million telah mengembangkan alat open source seperti React Scan, React Doctor, dan Million.js.

ReactBench menyaring 51 tugas nyata dari proyek open source. Selain mengecek apakah fungsinya dapat berjalan, alat ini juga menggunakan lebih dari 400 aturan untuk melacak masalah pada program, performa, aksesibilitas, dan kualitas kode.

GPT-5.6 Sol memimpin dengan skor gabungan 43,1%, sementara Fable 5 sebesar 41,2%. Pihak resmi menyebut selisih keduanya relatif kecil, dan sementara ini belum bisa dipastikan apakah Sol jauh lebih unggul. Saat menggunakan konfigurasi yang sama-sama XHigh, biaya pengujian sekali jalan Fable 5 sekitar 6,3 kali lipat Sol.

Bahkan dengan konfigurasi berperingkat tertinggi, tugas yang berhasil diselesaikan jumlahnya masih kurang dari setengah. Dalam 4.455 pengujian pengembangan fitur baru, model-model tersebut bersama-sama memperkenalkan 1.194 masalah React, di mana 77,5% adalah kesalahan program atau masalah keamanan.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
  • Hadiah
  • Komentar
  • Posting ulang
  • Bagikan
Komentar
Tambahkan komentar
Tambahkan komentar
Tidak ada komentar
  • Disematkan