Real-SWE 基准发布：用私有企业代码库实测前沿模型编程力
zainhas · x · 2026-09-12
Specific Labs 发布 Real-SWE 基准，评测对象是前沿 AI 模型在私有、真实世界企业代码库上的编程表现，区别于基于公开仓库的合成基准。首期成绩：Fable 5.1 38.8%、GPT-6 Astra 33.8%、GLM-5.3 28.8%，开源模型已能逼近闭源前沿。基准详情见 realswe.withspecific.com。
所属事件:Real-SWE 基准发布 GLM-5.3 逼近 GPT-6 Astra(2 条相关)→
「模型」频道最新
- Claude 画鹈鹕骑自行车惊艳众人:Fable 5.5 Max SVG 能力演示 — ChrisGPT · 2026-10-31
- 曝 OpenAI 将用用户 Daybreak 会话训练且无法退出 — dyn___ · 2026-10-31
- NVIDIA Nemotron 3.5 用 LLM 自验证:agentic 基准提升 9-10 个点 — sarahcat21 · 2026-10-31
- 开源模型 Mistral Large 4 刷 1273 道医学题:94% 正确率 — MaziyarPanahi · 2026-10-31
- 研究者在模型权重空间找到 5 种人格结构,可类比人类大五人格 — luke_drago_ · 2026-10-31
- OpenAI 停止向个人 API 提供 Daybreak Blue，11 月 20 日生效 — mkosmo · 2026-10-31