DeepSWE 跑分引质疑，社区呼吁第三方基准验证

DeepSeek DeepSWE 的评测结果被大量转发后引发质疑。X 用户 scaling01 提出经验法则：若 Grok、Gemini 等模型在评测中追平 OpenAI、Anthropic 前沿模型，大概率是刷榜，建议等待第三方私有基准验证，不要照单全收官方跑分。对此，Datacurve 回应称 DeepSWE 的题目与评分脚本全部公开，接受检验。

2026-10-18 ~ 2026-10-18 · 2 条相关

• DeepSWE 评测遭质疑，Datacurve 回应：题目与评分脚本全公开 — scaling01 · 2026-10-18
• scaling01：Grok 和 Gemini 若追平前沿模型多半是刷榜 — scaling01 · 2026-10-18