SWE-sweep 榜单更新：OpenAI 与 Anthropic 模型找 bug 数翻倍、成本减半
stanfordnlp · x · 2026-10-24
SWE-sweep 漏洞挖掘排行榜更新：OpenAI 与 Anthropic 的模型发现 bug 数量翻倍，同时成本减半。目前表现最好的是 Astra，但在测试的真实漏洞中仍只能发现不到 10%。斯坦福 NLP 团队转发称榜单已出现有意义的进展。
所属事件:SWE-sweep 榜单更新：模型找 bug 数翻倍成本减半(2 条相关)→
「模型」频道最新
- SemiAnalysis 实测：Anthropic 悄悄 A/B 测试 Claude 用量限额，同价差 20% — RexDouglass · 2026-10-24
- Kimi K3.1 Pro 跑分出炉：SWE Marathon 登顶，多榜紧咬 Opus 5.5 — scaling01 · 2026-10-24
- Kimi 3.1 定价 $2/$10 每百万 token，博主称仍难敌 DeepSeek — bindureddy · 2026-10-24
- NVIDIA Nemotron 3.5 Bolt 上架 Ollama，128K 上下文本地小视觉模型 — ollama · 2026-10-24
- LlamaIndex 发布 OCRia-1:解析成本仅 Claude 的 1/4、速度快 7 倍 — llama_index · 2026-10-24
- OpenAI 三篇红条论文被指证明策略无法挽救，错误两周半无同类报告 — teortaxesTex · 2026-10-24