होम › Benchmarks › SWE-bench Verified
SWE-bench Verified
Benchmark
क्षमता
Real GitHub issues, real repos — the coding-agent standard.
आप एक benchmark रिकॉर्ड देख रहे हैं: एक परीक्षण जिसे उद्योग chips या models को मापने के लिए उपयोग करता है — और यह वास्तव में क्या बताता है।
SWE-bench gives a model an actual repository and issue; success means a patch that passes the tests. The Verified subset (human-validated, with OpenAI) became the metric coding agents live by — from single digits in 2023 to ~80% at the 2025 frontier — and the number behind every 'AI software engineer' claim.
यह बाकी स्टैक से कैसे जुड़ता है
इस रिकॉर्ड के लिंक एक नज़र में — किसी समूह पर क्लिक करके उस पर जाएँ।
Benchmarks
स्रोत
रिकॉर्ड की समीक्षा की गई 2026-01-15 — देखें पद्धति.