OpenAI 的 GPT-5 在高推理努力下，以 88.0% 的成绩在 Aider Polyglot 编程基准测试中领先，相比竞争对手如 o3-pro (84.9%) 和 Gemini 2.5 Pro (83.1%) 建立了明显的优势。该真实世界基准测试通过在现有代码库中跨多种编程语言编辑代码来评估模型性能，而不是生成孤立的函数。

  • GPT-5 在高推理努力下达到 88.0%，而中等设置得分为 81.3%，突显了增加计算量带来的 6.7 个百分点的显著增益。
  • OpenAI 占据了排行榜的前六名，展示了其模型系列的深度。
  • Claude Sonnet 4 落后较多，仅为 61.0%，这可能是由于难以适应 Aider 特定的基于 diff 的编辑工作流，而非一般编程能力不足。

结果表明，对于将 Aider 作为主要代码助手使用的团队来说，GPT-5 是更优的选择，而推理设置之间的差距表明，计算扩展仍然是提升性能的关键杠杆。