给 WorkBuddy 的选型调研加一道查源头：30 行脚本否掉一个 96% 的榜首分数

Opus 5.5   (max) [Claude Code]  64.8% ± 3.1%   Sep 22, 2026
GPT-6 Astra (max) [Codex]       58.2% ± 2.8%   Sep 3, 2026
GLM-5.3    (max) [Claude Code]  41.8% ± 3.2%   Aug 14, 2026

#!/usr/bin/env python3
"""
bench_freshness.py —— 引用任何 benchmark 分数之前的"体检脚本"。

两条检查：
  1) 新鲜度：榜上最新条目的日期距今多少天（>120 天基本不可用于当期决策）
  2) 存在性：某模型到底有没有出现在官方榜上

用法:
  python3 bench_freshness.py https://www.swebench.com/
  python3 bench_freshness.py https://www.swebench.com/ --model "Claude Opus 5"
  python3 bench_freshness.py https://www.tbench.ai/leaderboard --model "Opus 5.5"

注意：这两个榜单都把结果塞在 <script> 的 JSON payload 里做客户端渲染，
      用"去标签 + 正则扫表格"的写法会什么都捞不到（我第一版就是这么翻车的）。
"""
import argparse
import re
import sys
import urllib.request
from datetime import date, datetime

UA = ("Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) "
      "AppleWebKit/537.36 (KHTML, like Gecko) Chrome/126.0 Safari/537.36")

DATE_PATTERNS = [
    (re.compile(r"\b20\d\d-\d\d-\d\d\b"), "%Y-%m-%d"),
    (re.compile(r"\b(?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec) \d{1,2}, 20\d\d\b"), "%b %d, %Y"),
]

STALE_DAYS = 120


def fetch(url: str) -> str:
    req = urllib.request.Request(url, headers={"User-Agent": UA})
    with urllib.request.urlopen(req, timeout=30) as r:
        raw = r.read().decode("utf-8", "replace")
    # 不要去 script —— 表格数据在里面
    return raw


def newest_date(raw: str):
    seen = []
    for pat, fmt in DATE_PATTERNS:
        for m in pat.findall(raw):
            try:
                seen.append(datetime.strptime(m, fmt).date())
            except ValueError:
                pass
    today = date.today()
    past = [d for d in seen if d <= today]
    return max(past) if past else None


def main():
    ap = argparse.ArgumentParser()
    ap.add_argument("url")
    ap.add_argument("--model", help="要查存在性的模型名")
    args = ap.parse_args()

    raw = fetch(args.url)
    today = date.today()
    print(f"source : {args.url}")
    print(f"fetched: {today}")

    nd = newest_date(raw)
    if not nd:
        print("newest : <未解析出日期> —— 换个复用的解析方式，别硬猜")
        return 1
    gap = (today - nd).days
    flag = "⚠ 停更" if gap > STALE_DAYS else "ok"
    print(f"newest : {nd}  (距今 {gap} 天)  [{flag}]")

    if args.model:
        def norm(s):
            return re.sub(r"[\s\-_.]+", "", s).lower()
        hay = norm(raw)
        needle = norm(args.model)
        hit = needle in hay
        print(f"model  : {args.model!r} → {'在榜' if hit else '❌ 榜上不存在'}")
        if not hit:
            print("         ⚠ 该模型名未出现在官方页面，任何引用它的分数都不可溯源")

    print(f"verdict: {'不可用于当期选型' if gap > STALE_DAYS else '可用于当期选型（仍需核对 harness）'}")
    return 0


if __name__ == "__main__":
    sys.exit(main())

$ python3 bench_freshness.py https://www.swebench.com/ --model "Claude Opus 5"
source : https://www.swebench.com/
fetched: 2026-10-25
newest : 2026-02-26  (距今 241 天)  [⚠ 停更]
model  : 'Claude Opus 5' → ❌ 榜上不存在
         ⚠ 该模型名未出现在官方页面，任何引用它的分数都不可溯源
verdict: 不可用于当期选型

$ python3 bench_freshness.py https://www.swebench.com/ --model "Claude 4.5 Opus"
...
model  : 'Claude 4.5 Opus' → 在榜

$ python3 bench_freshness.py https://www.tbench.ai/leaderboard --model "Opus 5.5"
source : https://www.tbench.ai/leaderboard
fetched: 2026-10-25
newest : 2026-09-29  (距今 26 天)  [ok]
model  : 'Opus 5.5' → 在榜
verdict: 可用于当期选型（仍需核对 harness）