SWE-bench Verified
ベンチマーク
性能
Real GitHub issues, real repos — the coding-agent standard.
これはベンチマークのレコードです。業界がチップやモデルの性能を測定するために使うテストと、そこから実際にわかることを紹介します。
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.
スタック全体とのつながり
このレコードのリンク一覧 — グループをクリックするとジャンプします。
ベンチマーク
出典
レコードのレビュー時点： 2026-01-15 — 表示 調査手法.