studio
global Ask Studio Global AI

答案已發布5 個月前Last edited 4 個月前17 個來源

Claude Mythos Preview 與 93.9% SWE-bench：別把程式碼成績誤讀成總分

Claude Mythos Preview 最常被引用的數字是 SWE bench 93.9%；這是軟體工程與程式碼任務的訊號，不是模型的整體總分 [1][2]。高 SWE bench 成績通常與代理式工作流程有關：模型可讀檔、執行程式、檢查測試結果並反覆修正，因此比較時要看條件是否一致 [1]。

發布者使用 GPT-5.5 編輯圖片由 GPT Image 2 生成

使用 Studio Global AI 搜尋並查證事實瀏覽更多熱門頁面

研究答案

重點整理

Claude Mythos Preview 最常被引用的數字是 SWE bench 93.9%；這是軟體工程與程式碼任務的訊號，不是模型的整體總分 [1][2]。
高 SWE bench 成績通常與代理式工作流程有關：模型可讀檔、執行程式、檢查測試結果並反覆修正，因此比較時要看條件是否一致 [1]。
資安成績屬於另一類指標：有來源報告 Mythos Preview 在資安能力基準為 83.1%，高於 Claude Opus 4.6 的 66.6%，也有次級來源稱其在 Cybench 達 100% [3][5]。

Ilustración de un panel de benchmark de IA con código y métricas para Claude Mythos Preview — Benchmark de Claude Mythos Preview: 93,9% en SWE-bench, explicadoImagen editorial generada por IA para representar un benchmark de código.
AI 提示詞
Create a landscape editorial hero image for this Studio Global article: Benchmark de Claude Mythos Preview: 93,9% en SWE-bench, explicado. Article summary: Claude Mythos Preview se reporta con 93,9% en SWE bench; es la cifra más citada para rendimiento en software, pero SWE bench no es una nota general del modelo [1][2].. Topic tags: ai, anthropic, claude, ai benchmarks, coding. Reference image context from search candidates: Reference image 1: visual subject "# Claude Mythos Preview Benchmarks – The AI That Scored 93.9% on SWE-bench and Still Won’t Be Released. On April 7, 2026, Anthropic quietly released something extraordinary — and t" source context "Claude Mythos Preview Benchmarks - The AI That Scored 93.9% on SWE-bench and Still Won't Be Released - Kingy AI" Reference image 2: visual subject "A Tweet from Ramez Naam, American technologist and science fiction writer, citing Epoch A
openai.com

Claude Mythos Preview 之所以被討論，最醒目的數字是：SWE-bench 93.9%。如果你的問題是「Claude Mythos 的 benchmark 是多少？」短答就是這個數字；但如果要拿它來做技術選型，就不能只看一個百分比。SWE-bench 評估的是軟體工程與程式碼相關任務，並不等於模型在推理、安全性、成本、可用性或所有工作場景的總體能力。

先看重點：93.9% 是軟體工程成績

目前最常被引用的 Claude Mythos Preview 成績，是 SWE-bench 93.9% 。這讓它在討論程式碼修復、軟體工程任務，以及類似「程式設計代理」（coding agent）的工作流程時特別受關注。

Studio Global AI

繼續深入研究

這個頁面包含附來源佐證的答案，你可以在 Studio Global 內繼續追問。

使用 Studio Global AI 搜尋並查證事實

大家也會問

「Claude Mythos Preview 與 93.9% SWE-bench：別把程式碼成績誤讀成總分」的簡短答案是什麼？

Claude Mythos Preview 最常被引用的數字是 SWE bench 93.9%；這是軟體工程與程式碼任務的訊號，不是模型的整體總分 [1][2]。

最值得優先驗證的重點是什麼？

Claude Mythos Preview 最常被引用的數字是 SWE bench 93.9%；這是軟體工程與程式碼任務的訊號，不是模型的整體總分 [1][2]。高 SWE bench 成績通常與代理式工作流程有關：模型可讀檔、執行程式、檢查測試結果並反覆修正，因此比較時要看條件是否一致 [1]。

接下來在實務上該怎麼做？

資安成績屬於另一類指標：有來源報告 Mythos Preview 在資安能力基準為 83.1%，高於 Claude Opus 4.6 的 66.6%，也有次級來源稱其在 Cybench 達 100% [3][5]。

來源

領域	被報告的結果	比較合理的讀法
軟體工程 / SWE-bench	93.9%	最清楚、最常被引用的程式碼任務指標；適合用來討論軟體工程與程式代理能力。
資安能力	83.1%，相較 Claude Opus 4.6 的 66.6%	屬於資安能力基準，不是在測 SWE-bench，也不應混成同一種分數。
Cybench	100%	次級來源稱其在資安挑戰 benchmark Cybench 達 100%；這仍是資安情境，不是通用能力總評。
較廣泛的 benchmark 組合	在 18 項中領先 17 項	這是對 Anthropic 資料的彙整說法；若要把它解讀成總排名，仍需要看各項目細節。