SWE-Together 榜单更新：Claude Fable 5 登顶，Muse Spark 1.3 成性价比之王

shuchaobi · x · 2026-09-11

SWE-Together 是一个含 109 个真实编码任务、带模拟用户在环的编码智能体基准，本次更新揭示了几组关键结论：

• Claude Fable 5 登顶（judge 61%），5.1 以 57% 紧随其后。两者巅峰表现相当，差距在稳定性：Fable 5.1 有 14 次试验得零分，Fable 5 只有 6 次。但 5.1 快 25%、便宜约 2 倍、需要的用户纠错也略少（1.45 vs 1.53 次/任务）。
• Meta Muse Spark 1.3 是性价比离群值：每解决一个任务的成本约为 Fable 5.1 的 1/2.5、Fable 5 的 1/5，性能上接近中游（47%）。
• 榜单上还有 claude-opus-4.8（52%）、gpt-5.5（48%，token 消耗最低之一）、glm-5.2（42%）、deepseek-v4-pro（29%）、minimax-2.7（24%）等。
• 基准用 opencode harness，k=2，同时报告 pass@1 与 pass²（两次都成功），悬空部分代表不稳定。

原文链接 →

「编程与Agent」频道最新

• Nitrosend 让 Grok Bot 自主接管邮件营销:一条 SKILL.md 全自动配置 — nikvassev · 2026-10-28
• Claude Opus 5.5 从二进制重建 SQLite 等程序,ProgramBench 得分 18.5% — winer666 · 2026-10-28
• Pichai 自述用内部 Agent 汇报训练进展与算力遥测 — rohanpaul_ai · 2026-10-28
• Amazon 重写 SDE 角色指南：定义「文艺复兴开发者」时代 — prdeepakbabu · 2026-10-28
• 社区插件 Kinocut 让 Hermes Agent 本地剪辑视频，无需 API key — alexcovo_eth · 2026-10-28
• 不开向量检索也能拿 86.67%,开源记忆层 Mind 挑战 embedding 必要性 — GabrielMartinMoran · 2026-10-28

更多「编程与Agent」频道 AI 资讯 →