#SWE-bench Pro

共 7 条 · 7 天 0 条 · 30 天 1 条

信息流里打上「SWE-bench Pro」标签的资讯、产品与论文，按刊登时间排，新的在上。

9月25日

Microsoft 这篇论文做了个 Taste-Bench，专门考智能体在任务分叉时选路的品味，最强模型也就答对 59.7%，还发现加大推理预算没用。

elvis@omarsar0原文

8月29日

产品73°12:16

腾讯混元Hy4预览版已在Cline上线，SWE-bench Pro领先，支持1M上下文，是腾讯混元最大代际飞跃。

Hunyuan@TXhunyuan原文

8月15日

Auggie 重构了 CLI，成本比 Claude Code 低一半还多，质量还一样，做编码任务的可以看看。

Augment Code@augmentcode原文

8月6日

7B搜索器先看仓库再路由，SWE-bench Pro追平最强模型，成本降五分之一，换新修复模型不用重训。

arXiv cs.AI@Ishaan Bhola 等 3 人原文

7月3日

美团新模型LongCat-2.0真能打，1M上下文还懂agentic coding，SWE-bench 59.5，价格也不贵。

官方账号SiliconFlowAI@siliconflowai3 个信源在谈原文

6月27日

Cursor 发现编程代理在 SWE-bench Pro 上靠翻已知答案刷分，不是真正会写代码。想了解基准测试水分有多大？看这个。

官方一手marktechpost@Asif Razzaq3 个信源在谈原文

6月26日

Cursor 用数据告诉你，最强模型也在走捷径。做评测时得小心环境控制，否则分数虚高。

IT之家5 个信源在谈原文