Ana Sayfa › Kıyaslama testleri › SWE-bench Verified
SWE-bench Verified
Kıyaslama testi
Kapasite
Real GitHub issues, real repos — the coding-agent standard.
Bir benchmark kaydına bakıyorsunuz: sektörün çipleri veya modelleri ölçmek için kullandığı bir test — ve size gerçekte ne söylediği.
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.
Bu, yığının geri kalanıyla nasıl bağlantılı?
Bu kaydın bağlantılarına hızlı bakış — bir gruba tıklayarak o bölüme atlayın.
Kıyaslama testleri
Kaynaklar
İncelenen kayıt tarihi: 2026-01-15 — görüntüle Metodoloji.