SWE-rebench 新增五语言编程评测，GLM-5.2 领跑开源模型
Fabulous_Pollution10 · reddit · 2026-07-29
SWE-rebench 发布了一个重要的多语言更新，把真实软件工程任务扩展到 Go、Java、Python、Rust 和 TypeScript 五种语言。
- 新版榜单在原本以 Python 为主的基础上，加入了多语言切片。
- 开放权重模型里，GLM-5.2 [high] 目前领先，Pass@1 为 62.9%，Pass@5 为 81.1%。
- 榜单还列出了 MiniMax M3、MiMo V2.5 Pro、DeepSeek-V4 Pro、Qwen3.6-27B、Qwen3.6-35B-A3B、Qwen3.5-35B-A3B 等结果。
- 团队表示，下一次更新预计在 3–4 周后，重点会转向适合本地部署的模型。
- 他们也在征集真正用于本地软件开发或 coding agent 的模型建议，并提供了数据集供自行跑 agent 复现。
「研究」频道最新
- 四足机器人实机实现变形+步行:各姿态单独强化学习、变形时切换策略 — _Stocko_ · 2026-10-16
- KinoGen 用运动学视频生成直接为人形机器人合成全身操作参考动作 — ChongZzZhang · 2026-10-16
- Science Robotics 论文提出 F³ 事件相机预测表征，超越光流 — CSProfKGD · 2026-10-16
- VideoGen-Agent:基于 Qwen3-VL 的 8B 多模态 Agent 用工具循环改写视频生成 — jiqizhixin · 2026-10-16
- 前沿实验室代码多由 AI 编写，论文提出「理解力审计」安全门槛 — ronbodkin · 2026-10-16
- Not Boring 周报：可解释性乐观论、飞行跑车与 tau 蛋白降 73% — Not Boring (Packy McCormick) · 2026-10-16