深度揭秘OpenAI如何让GPT-5「技术性」超越Claude：悄悄跳过最难的23道题（

1.openai gpt-3

几天前，OpenAI发布会上，奥特曼宣布GPT-5登顶了，号称代码能力全球第一但发布会上搞了一个大乌龙，52.8＞69.1=30.8？于是，OpenAI那些年薪上亿的天才们做的一张表格火遍了全世界（左边）。

2.opengpg

虽然这张表格一开始在OpenAI的官博中是准确的，但是当面向全世界直播竟然搞了这么大一个Bug抛开乌龙外，更重要的但是被人们忽视的一个事情是，GPT-5在SWE-bench Verified基准上取得的。

3.openpgp使用教程

74.9%的通过率。这个分数略高于Anthropic的Claude Opus 4.1的74.5%。

4.open gapp

这一下子，就让GPT-5成为当前软件工程任务基准上的领先模型但等等，这分数…好像有点猫腻啊OpenAI并未运行SWE-bench Verified的全部500道测试任务，而是略去了其中无法运行的23个任务，仅基于。

5.openpgp协议

477个任务计算得分。SemiAnalysis专门发帖提到这个问题。

6.openwrt gpt

Anthropic专门在它的博客里也「内涵」了这个问题。

7.openrti

SWE-bench Verified总共500道题，GPT-5只做了477道，那23道题，它直接跳过了！而对手Claude呢？老老实实，500道题一道没落这下，性质全变了当然OpenAI是承认这件事情的。

8.open i7

他们从GPT-4.1开始就在「备注」里说明了：OpenAI的基础设施无法运行这23道题目。（好奇啊，什么样的题目，OpenAI的天才们竟然说无法运行）

9.openmp gpu

如果将这23道无法运行的题目按0分计入，GPT-4.1的得分将从54.6%降至52.1%由此推测，GPT-5的74.9%，若也将那23道题视作全错，其实际全500题通过率约为71.4%（74.9%×477/500，注意这是极度简化的计算）明显。

10.openj-gate

低于Claude Opus 4.1基于500道题取得的74.5%需要强调的是，那23个被略去的任务并非对GPT-5「无关紧要」相反，它们大多是Verified集中最困难的一批问题据第三方分析，在Verified数据集的「耗时