Claude 5.5

开源基准Parsimony衡量AI代码量而非解题率

新开源基准Parsimony不只看解题率和token成本，而是统计代码单元净增量，以衡量AI模型在长期项目中的代码膨胀问题。它利用DeepSWE、SWE-bench Verified和Live的公开补丁计算语句等语法单元，并扣除删除代码；因GPT-6和Claude 5.5尚无公开补丁，作者在少量任务上自测，结果不计入排名。