Claude Opus 5.5 научилась воссоздавать реальные программы с нуля: 18,5% успеха на ProgramBench

Модель Claude Opus 5.5 (xhigh) успешно решает 18,5% задач на платформе ProgramBench, воссоздавая такие проекты, как SQLite и FFmpeg, исходя из скомпилированных бинарных файлов и документации. Это значительный прогресс по сравнению с нулевым результатом всех моделей на старте бенчмарка в мае. Эксперты обсуждают, отражает ли этот тест навыки обратной разработки или реальные инженерные способности ИИ.