Senior SWE-bench 趋势对比

ajratner · x · 2026-07-10

转发内容总结了各大实验室在 Senior SWE-bench 上的不同趋势：Claude 系列模型整体分数更高，但会消耗更多 token；GPT-5.x 系列则同时在变强，并且更高效。

原文链接 →

「模型」频道最新

• Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
• Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
• 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
• 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
• 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11
• TheZhi 发起调查:Fable 5.1 与 Astra 发布后,编码模型选择变了吗 — TheZvi · 2026-09-11

更多「模型」频道 AI 资讯 →