当前大语言模型（LLMs）在编程能力上存在宣传与现实的差距。尽管在传统基准测试中表现良好，但在复杂场景下通过率显著下降。Meituan-M17团队推出OIBench和CoreCodeBench数据集，以更真实地评估模型的算法推理和工程代码能力，揭示顶尖模型与人类选手之间的真实差距。