AITOP

DeepSWE

共 16 条相关 AI 资讯
8月22日
14:58
8月21日
15:06
8月14日
10:25
10:25官方一手Pandaily@contact@pandaily.com (Pandaily)
DeepSeek 于8月13日宣布 V4 系列 API 调价，8月17日生效。新方案采用峰谷定价，非高峰时段价格为高峰的一半。V4 Pro 输入缓存命中的非高峰价格涨幅最高达500%。同时，V4-Pro-0813 模型的 DeepSWE 得分从7.3跃升至62.7。
AI产品DeepSeekV4API定价
推荐理由：DeepSeek 把 V4 API 价格调高了，最高 500%。非高峰时段半价，要省钱就避开高峰，8月17日就改。
原文
7月31日
20:08
20:08AI Will@FinanceYF5
精选79°
DeepSeek V4 Flash 官方API现已开启公测，重点升级Agent能力。Terminal Bench 2.1得分82.7，DeepSWE得分54.4，多项成绩大幅超过V4 Pro Preview。该模型还接近Opus 4.8的表现，并原生支持Responses API格式，现已适配Codex。
AI模型DeepSeekV4 Flash智能体
推荐理由：DeepSeek V4 Flash 公测了，Agent 跑分比 V4 Pro 高不少，还原生支持 Responses API，玩 Codex 的可以直接试。
原文
7月24日
11:34
11:34shao__meng@shao__meng
72°
Together Compute 团队在 DeepSWE 基准上对比了 Kimi K3 max 和 GPT-5.6 Sol max。单次测试 pass@1 中 GPT 为 72.7%，Kimi 为 68.5%；但多次测试中 Kimi 反超，pass@4 达 89.4% 对 GPT 的 85.8%。成本方面 Kimi 约 $4.65/rollout，GPT 约 $8.37；每 $100 预算 Kimi 可解 14.7 题，GPT 仅 5.3 题。语言专长上 Kimi 在 Rust 更强（65-60），GPT 在 Python/TS/JS 更强。两模型任务级相关仅 0.46，组合覆盖率达 95.6%，推荐级联策略：先 Kimi 再 GPT，可达到 85.6% 解题率且成本更低。
AI模型Kimi K3 maxGPT-5.6 Sol maxDeepSWE
事件专题
推荐理由：Together Compute 下了个对比，Kimi 和 GPT 在修 bug 上各有绝活，组合用比单干划算得多。
原文
7月23日
07:01
07:01官方账号Together AI@togethercompute
精选
使用DeepSWE基准对比了Kimi K3 Max和GPT 5.6 Sol Max在软件工程任务上的表现。Kimi K3 Max达到了与GPT 5.6 Sol Max相当的性能，而价格仅为后者的约55%。将两个模型联合使用时，性能可额外提升约16%。
AI模型Kimi K3 MaxGPT 5.6 Sol MaxDeepSWE
事件专题
推荐理由：Kimi K3 Max性价比炸裂，软件工程能力不输GPT 5.6 Sol Max，混合使用还能再提分，值得关注。
原文
7月22日
17:06
17:06Thomas Wolf@Thom_Wolf
Poolside AI 发布最新 agentic coding 模型 Laguna S 2.1。在 Terminal-Bench 2.1 上得分 70.2，与 5-25 倍大小的模型并列甚至领先。在 DeepSWE 基准上得分 40.4，超越部分超 1T 参数的开源模型。该模型可在单个 DGX Spark 或 Mac 上本地运行。
AI模型LagunaPoolsideTerminal-Bench
事件专题
推荐理由：Poolside 又出了个厉害编码模型，Laguna S 2.1 在本地就能跑，多项基准比大它几十倍的模型还强。
原文
15:31
7月21日
18:33
7月19日
04:12
04:12Aravind Srinivas@AravSrinivas
Together AI 在 DeepSWE 基准上对比了 Kimi K3 与 Claude Fable 5 的软件工程任务表现。结果显示，Kimi K3 以 Fable 5 约 35% 的价格实现了相同性能，且在更高 pass@k 指标上领先。该分析来自 Together AI 的 Arav Srinivas，数据基于内部测试。
AI模型Kimi K3Claude Fable 5Together AI
事件专题
推荐理由：想省钱又要强性能？Kimi K3 在编程任务上和 Claude Fable 5 打个平手，价格只要三分之一，高要求场景还更强。
原文
7月18日
09:38
09:38官方账号Together AI@togethercompute
TogetherCompute使用DeepSWE评估了Kimi K3与Claude Fable 5在软件工程任务上的表现。Kimi K3以约35%的价格达到与Claude Fable 5相同的性能水平。在更高的pass@k指标上，Kimi K3甚至领先于Claude Fable 5。该分析为开发者提供了性价比更高的模型选择参考。
AI模型Kimi K3Claude Fable 5DeepSWE
事件专题
推荐理由：如果你写代码，Kimi K3花不到一半的钱就能干和Claude Fable 5一样好的活，高通过率时还更强。
原文
7月11日
02:45
7月9日
07:43
6月21日
15:25
15:25@koltregaskes@koltregaskes
GLM-5.2 在 DeepSWE 编程基准上取得 44% 的得分，超过 Kimi-K2.7 Code，成为目前最强的开源模型。不过它的运行成本更高，且每次输出更多 tokens。与封闭模型相比，Claude Fable 5 以 70% 的得分领先，差距明显。
AI模型GLM-5.2Kimi-K2.7DeepSWE
推荐理由：智谱的 GLM-5.2 代码上刚赢了 Kimi 的 K2.7，但更贵输出也更多，离顶级闭源还有距离。
原文
6月12日
15:09
15:09官方账号Artificial Analysis@ArtificialAnlys
73°
Artificial Analysis 更新了其编程智能体指数，用 Datacurve 的 DeepSWE 基准测试取代了 SWE-Bench Pro。DeepSWE 从零编写任务，避免模型从公开 GitHub 问题或 PR 中记忆答案，解决了原基准可被游戏化的问题。更新后，Codex with GPT-5.5 (xhigh) 得分从 65 升至 76，超越 Claude Code with Opus 4.8 (max) 的 73 分；新发布的 Claude Fable 5 (max) 在 Claude Code 中以 77 分位居榜首。这一变化揭示了原基准对某些模型组合的偏差。
AI产品编程智能体基准测试Claude Fable 5
事件专题
推荐理由：基准测试更新直接影响了主流编程智能体的排名，做 AI 编程工具选型或评估模型能力的开发者值得关注——Claude Fable 5 新登顶，Codex 也大幅提升，建议点开看具体得分和对比。
原文
5月28日
12:23