SWE-Bench Pro V2 Hard 上线首日被刷至 98%，迅速饱和

ScaleAI Labs 官宣 SWE-Bench Pro V2 上线并发布更新说明，但 Reddit 用户随即指出其 Hard 档在发布首日就被顶尖模型刷到接近 98% 的完成度，几乎完全饱和，已无法有效区分前沿模型的真实工程能力。X 用户也转发调侃新基准刚发布就被刷穿，反映出当前前沿模型在软件工程基准上的能力已逼近上限，基准评测面临持续失效的困境。

2026-09-23 ~ 2026-09-23 · 2 条相关

• SWE-Bench Pro V2 Hard 上线首日即被刷到 98%，基准再告饱和 — 141_1337 · 2026-09-23
• SWE-Bench Pro V2 上线即饱和，网友吐槽基准已被刷穿 — burny_tech · 2026-09-23