Chubby♨️· @kimmonismus · X·· 3 小时前AI 评分28
AI 导读
3/ 在同一个 Python 任务上，Step 5 Preview 和 Claude Opus 5.5 通过了 45/45 项本地检查；Gemini 3.1 Pro Preview 通过了 41/45。每个模型只有一次尝试机会。对这个任务来说表现不错，但测试规模太小，无法确立整体能力相当。不过初步来看相当不错。
正文
3/ On the same Python task, Step 5 Preview and Claude Opus 5.5 passed 45/45 local checks; Gemini 3.1 Pro Preview passed 41/45. Each model got one attempt. Promising for this task, but too small a test to establish equal overall capability. But initially it looks pretty good.
来源：Chubby♨️ · x.com