评估数据显示，带有 Opus 顾问的 Sonnet 在 SWE-bench 上的表现比单独使用 Sonnet 高出 2.7%，且成本降低了 11.9%。
📝 详细摘要
这条推文为顾问策略的有效性提供了实证数据。在 SWE-bench Multilingual 评估中，Sonnet（执行者）与 Opus（顾问）的组合比单独使用 Sonnet 的得分高出 2.7 个百分点。值得注意的是，这种混合方法还使单项任务的成本降低了 11.9%，证明了性能与效率的双重提升。
📊 文章信息
AI 评分：86
来源：Claude(@claudeai)
作者：Claude
分类：人工智能
语言：英文
阅读时间：1 分钟
字数：153
标签： SWE-bench, 模型评估, Claude Sonnet, Claude Opus, 性能基准测试