Claude Opus 5 在 RSIGym 中将 Qwen 模型 SWE-bench Verified 成绩提升近三倍

Evolvent_AI 发布开源环境 RSIGym，让 AI 智能体在统一预算内完成模型微调、部署和基准测试。主测试中 6 个前沿智能体从 Qwen3.5-35B-A3B-Base 出发，每个基准配置 500 美元服务预算，Claude Opus 5 将 SWE-bench Verified 成绩提升近三倍。所有智能体从纯 CPU 容器运行，通过远程服务调用 LoRA 微调、模型服务与沙箱。10 次小规模测试中有 8 次显示加重训练反而得分更低，先修复 harness 更有效。