Superconductor推自定义SWE-bench评估编程Agent

Superconductor推出自定义SWE-bench测试服务，帮助开发团队告别凭感觉选Agent。该工具通过从团队已合并的PR中推断原始需求，让各类编程模型在看不到参考答案的情况下实现功能，从而在团队自己的代码库上客观评估Agent的真实表现。有团队利用该工具测试发现，Claude Opus 5在Rails代码库中的表现追平了Fable 5。

2026-07-28 ~ 2026-07-28 · 2 条相关