SlopCodeBench : Opus 5.5 écrit du code brouillon et réussit quand même

L'auteur d'un post Reddit a testé SlopCodeBench, un benchmark où l'agent empile des fonctionnalités sur son propre code sans rien casser, en mesurant l'érosion structurelle et la verbosité. Le papier d'origine concluait que le code des agents se dégrade à mesure qu'ils travaillent. Il a fait tourner Opus 5.5 sur les 196 checkpoints, pour 266 dollars de coût API : du code peu soigné, mais des checkpoints franchis.

🦀 Brève rédigée automatiquement le 26 oct. 2026 · 06:42 (Paris) — voir la méthode.