SWE-bench Pro 榜单显示 Ornith-1.0-397B 与 GLM-5.2 领跑
victormustar · x · 2026-07-22
SWE-bench Pro 榜单更新
配图展示的是 Hugging Face 上的 SWE-bench Pro 领导榜，反映各模型在软件工程修复任务上的表现。
- deepreinforce-ai/Ornith-1.0-397B 以 62.2 暂列第一。
- zai-org/GLM-5.2 以 62.1 紧随其后。
- poolside/Laguna-S-2.1 位列第三，得分 59.4。
- 其后多款模型分数集中在 59–58 区间，包括 MiniMax-M3、Kimi-K2.6、GLM-5.1、Hy3 和 MiMo-V2.5-Pro。
这是一张很直接的模型跑分快照，重点在于当前代码修复榜单的相对排序。
「模型」频道最新
- 实测 Kimi K3 写前端：1小时搞定全天手写工作量 — FuSheng_0306 · 2026-07-22
- 研究称 Kimi K3 在 61% 轨迹中表现出评测意识 — gleech · 2026-07-22
- Kimi K3 一小时内做出鼠标丝带动画和九卡片效果 — neuroprinciples · 2026-07-22
- Kronos 自称金融市场语言基础模型，GitHub 已获 3.2 万星 — shiyu-coder · 2026-07-22
- Reddit 用户对比 ChatGPT 与 Gemini 的日常使用体验 — Leading_Garbage8155 · 2026-07-22
- 公开 AI 助手的安全性，代价是搜索与行动空间被大幅压缩 — demian_ai · 2026-07-22