SWE-Bench Multimodal 上线 Vals:Claude 全系力压 OpenAI 模型
dejavucoder · x · 2026-10-15
ValsAI 宣布 SWE-Bench Multimodal 登陆 Vals 平台。该基准由 Ofir Press、jyangballin 和 closji 创建,要求模型修复真实 JavaScript 仓库中的 GitHub issue,且 bug 报告依赖截图或其他视觉线索。
dejavucoder 观察到:所有 Claude 模型在该基准上的表现都优于 OpenAI 模型,并预告自己关于该基准还有待验证的发现。
所属事件:SWE-bench Multimodal 排行榜上线，Claude Opus 5.5 以 70.21% 居首(5 条相关)→
「编程与Agent」频道最新
- 用编码 Agent 加 Google Maps 3D 把广告牌素材精准贴上楼宇 — matanSF · 2026-10-15
- banteg 实测 argon：代码能力强但需 3-4 轮 review — banteg · 2026-10-15
- 开发者感慨:会写代码已不再是加分项 — tlakomy · 2026-10-15
- 从 PM 到 AI Builder：把 Agent 当工程团队来带 — brandon_galang · 2026-10-15
- 前 DeepMind 编码 agent 工程负责人单干,让 AI 雇人补最后一公里 — julianweisser · 2026-10-15
- GitHub Copilot 应用集成 Azure SRE Agent，事故响应一站式完成 — mariorod1 · 2026-10-15