GPT Codex · SWE-Lancer · IC Diamond set · 历代记录

按发布时间查看 GPT Codex 的 3 次发布在 SWE-Lancer · IC Diamond set 的成绩、配置与披露。

仅为直接前代间的唯一、有效精确值计算差值,要求单位、指标与明确记录的配置和条件一致。

GPT-5.1 Codex-Max

· 本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)

GPT-5.1 Codex-Max · SWE-Lancer 成绩与配置
指标与成绩配置与评测条件出处
Score80%原文 80% · 单位 %
公布 未确认
System Card reported effort
设置
GPT-5.1-Codex-Max; benchmark-specific single-agent setup; effort not stated per figure.
未知项
SWE-Lancer与MLE-Bench图没有单独注明推理档位、采样参数或运行数;MLE具体运行时长未逐模型给出。
工具
工具条件未记录
推理预算
未记录
框架
未记录
协议
SWE-Lancer IC SWE Diamond; July 17, 2025 dataset update; pass@1; no browsing.
条件
原图明示百分比;未从柱高估数。GPT-5.1对照值属于后续来源。卡片当前修订时点未确认,publishedAt保持null;不混入内部PR/Proof Q&A或风险子任务。
在排名中查看此成绩

GPT-5.2 Codex

· 本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)

与直接前代的记录缺少满足差值计算的同条件依据。

GPT-5.2 Codex · SWE-Lancer 成绩与配置
指标与成绩配置与评测条件出处
Score76%原文 76.0% · 单位 %
公布 未确认
GPT-5.2 Codex (xhigh)
设置
Release article uses xhigh for the benchmark comparison later published in GPT-5.3-Codex appendix.
未知项
The initial GPT-5.2-Codex release article does not publish a numerical capability table.
工具
工具条件未记录
推理预算
xhigh
框架
未记录
协议
SWE-Lancer IC Diamond.
条件
xhigh effort; published later in the GPT-5.3-Codex comparison appendix.
在排名中查看此成绩

GPT-5.3 Codex

· 本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)

与直接前代的记录缺少满足差值计算的同条件依据。

GPT-5.3 Codex · SWE-Lancer 成绩与配置
指标与成绩配置与评测条件出处
Score81.4%原文 81.4% · 单位 %
公布 未确认
GPT-5.3 Codex (xhigh)
设置
Article footnote says all release evaluations use xhigh reasoning.
未知项
未另记
工具
工具条件未记录
推理预算
xhigh
框架
未记录
协议
SWE-Lancer IC Diamond.
条件
xhigh reasoning effort.
在排名中查看此成绩