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