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
- AI 日报:传 OpenAI GPT-Live-1 上 API,Pro 订阅暂停新注册 — koltregaskes · 2026-09-11
- 同题 Echo Maze 实测:三大模型看似成功,代码里藏着同一个 bug — eyishazyer · 2026-09-11
- 新基准一出分数暴跌 70 点:「刷榜」现象如何让跑分失真 — airesearch12 · 2026-09-11
- ChatGPT 竟劝用户「问题太复杂,去试试更笨的回答」 — phido3000 · 2026-09-11
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11