SWE-CoWork 基准出炉:最强编码 Agent 完整交付率不足 8%
TokenWave 团队发布 SWE-CoWork 基准,把编码智能体当作模拟 26 人工程组织中的「数字员工」评测:每个任务从一段工作交接开始,智能体需检索任务板与版本化文档、向模拟同事提问并真正交付代码。基准覆盖 101 个真实仓库开发任务、11 种编程语言、12 个应用领域,结果显示最强模型也仅完整通过 8 个任务,完整交付率不足 8%。
2026-11-17 ~ 2026-11-18 · 2 条相关
- SWE-CoWork:101 个真实任务测编码 Agent,完整交付率不足 8% — Tokenwave-AI · 2026-11-17
- SWE-CoWork 基准:最强模型在 101 个真实仓库任务中仅完整通过 8 个 — omarsar0 · 2026-11-18