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

• 光靠 Prompt 恐吓不行,大厂用约束解码锁死 JSON 输出 — dotey · 2026-09-11
• supermemory 砍掉公司/个人脑产品,全力押注 Agent 记忆 API — julianweisser · 2026-09-11
• 妻子 AI 退款 agent 对上对方 AI,秒级邮件乒乓大战 — robleclerc · 2026-09-11
• visual-explainer：把终端输出变成精美 HTML 页面的 Agent Skill — tom_doerr · 2026-09-11
• 一句话测出模型是否降智:让 AI 用 SVG 画骑车的鹈鹕 — lxfater · 2026-09-11
• Shopify 宣布全面弃用 React Native，移动端回归 Swift 与 Kotlin — SumitGup · 2026-09-11

更多「编程与Agent」频道 AI 资讯 →