Trang chủ › Các benchmark › SWE-bench Verified
SWE-bench Verified
Benchmark
Năng lực
Real GitHub issues, real repos — the coding-agent standard.
Bạn đang xem hồ sơ benchmark: một bài kiểm thử mà ngành công nghiệp sử dụng để đo hiệu năng chip hoặc mô hình — và những gì nó thực sự cho biết.
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.
Kết nối của mục này với phần còn lại của hệ thống
Các liên kết của hồ sơ này trong nháy mắt — nhấp vào một nhóm để chuyển đến nhóm đó.
Các benchmark
Nguồn
Hồ sơ được xem xét tính đến 2026-01-15 — xem Phương pháp luận.