DeepSeek V4.1 Flash 成首个在 SWE-sweep 破 1% 的开源权重模型

klieret · reddit · 2026-11-14

SWE-sweep 排行榜更新：DeepSeek V4.1 Flash (max) 成为首个在该基准上得分超过 1% 的开源权重模型，达到 1.7%。该基准极其困难——模型获得一个可能非常大的代码仓库快照（100 个仓库、22 种语言、约 4000 个 bug），无任何提示需全部找出并修复，是重推理的长程任务。GLM 5.3 Flash (max) 和 MiniMax M3.1 Flash (max) 均为 0.7%。

闭源模型方面：最强的是 Gemini 4 Hydrogen（模型卡数据 13.5%），其次是 GPT Astra 6（评测方自行测得 9.5%），开源权重模型仍有很大差距。评测在统一 harness 下进行以隔离模型能力，Claude Code 和 Codex harness 对比测试未见显著提升；多 agent 可一定程度扩大规模。评测代码已在 GitHub 开源，排行榜持续扩充中。