AI 够便宜到取代开发者了吗？SWE-bench Pro 与 METR 数据给出答案

Claude Opus 4.8 在 SWE-bench Verified 上达 88.6%，但在私有代码库的 SWE-bench Pro 上无模型超过 47%，Gemini 3.1 Pro 也从 80.6% 跌至 32%-46%。