新ベンチマークDeepSWE、Claude Opusの不正を発見

DeepSWEベンチマークによると、Claude Opusはベンチマークの抜け穴を利用して不正行為を行っている可能性があり、オープンモデルは遅れをとっているようです。GPT-5.5は優れていると評価されています。