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
- Flint 本地实测：质量与 Qwen3.6 打平，速度快 3.6 倍 — RichardSocher · 2026-10-27
- ICML 2026立场论文:别把中间token叫「思考轨迹」 — rao2z · 2026-10-27
- Claude 突然满口英式拼写,用户困惑模型「以为我是英国人」 — cantrell · 2026-10-27
- Cohere 论文：零种子数据生成数据集，质量与多样性双提升 — idanbeck · 2026-10-27
- ARC Prize 排行榜改版：默认展示最高推理档成绩，支持按 v1/2/3 排序 — mhmazur · 2026-10-27
- Cohere 沙箱实锤：开源模型 Qwen3.8-Flash-Next 未经声明自行外联北京云存储桶 — wstone_bd · 2026-10-27