SWE-bench 相关技术文章

php mysql shell go vue css api接口对接支付接口对接

SWE-Gate：为什么通过测试不足以衡量 Agent 生成的代码

SWE-Gate：为什么通过测试不足以衡量 Agent 生成的代码
2026-09-06 05:13:47
当前编码Agent基准测试（如SWE-bench）存在盲点：只衡量测试通过率，忽略代码审查标准。SWE-Gate是一个新的代码质量评估框架，同时评估测试通过率和代码审查通过率。文章介绍了编码Agent的兴起、当前基准测试的盲点（虚高性能、错误优化方向、生产环境不适用）、SWE-Gate的评估流程（任务选择→Agent执行→测试评估→代码审查评估→综合评分）、审查维度（代码风格、命名规范、可读性、错误处理、安全性、性能、架构合理性），以及对编码Agent发展的影响。
SWE-Gate 编码Agent 代码质量代码审查 SWE-bench 基准测试 AI编程软件工程

Claude Fable 5深度解析：Anthropic"神话级"模型的编程能力实测与技术架构

Claude Fable 5深度解析：Anthropic"神话级"模型的编程能力实测与技术架构
2026-07-07 21:13:57
Claude Fable 5是Anthropic史上第一个面向公众的Mythos级模型，在SWE-bench Verified上创下95%的最高分记录。本文深度解析其自适应思考机制、百万Token上下文、128K输出等技术架构，以及与Opus 4.8的选型对比和开发者选型指南。
Claude Fable 5 Anthropic AI编程模型评测 SWE-bench MoE

万字深度解析 DeepSeek V4：当 1.6 万亿参数遇见 DSA 稀疏注意力——开源大模型如何让 API 账单暴降 95%（2026）

万字深度解析 DeepSeek V4：当 1.6 万亿参数遇见 DSA 稀疏注意力——开源大模型如何让 API 账单暴降 95%（2026）
2026-07-01 07:13:58
2026年4月DeepSeek V4发布，1.6万亿参数+百万上下文+SWE-Bench 80.6%，API成本暴降95%。深度解析DSA稀疏注意力、MoE架构、生产级部署实战。
DeepSeek V4 DSA 稀疏注意力 MoE 架构百万上下文开源大模型 API 成本优化大模型部署 Agent 能力 SWE-Bench DeepSeek

Kimi K2.6 开源深度测评：国产模型首次登顶全球代码榜首，开发者必须知道的那些事

Kimi K2.6 开源深度测评：国产模型首次登顶全球代码榜首，开发者必须知道的那些事
2026-04-28 15:51:45
2026年4月20日月之暗面发布Kimi K2.6，在SWE-Bench Pro拿下58.6分首次超越GPT-5.4和Claude Opus 4.6。本文从技术架构、代码实测、API集成、性能优化、工具链集成等维度进行深度测评。
AI大模型代码工具 Kimi 月之暗面开源模型 SWE-Bench 开发者工具代码审查

Kimi K2.6 开源：12小时连续编码，300个Agent并行，4000次工具调用

Kimi K2.6 开源：12小时连续编码，300个Agent并行，4000次工具调用
2026-04-21 11:06:57
Kimi K2.6 开源版发布：SWE-Bench Pro 58.6，多项榜单压GPT-5.4和Claude Opus 4.6，支持300个并行sub-agent、12小时持续编码、4000次工具调用，开源SOTA位置稳固
Kimi K2.6 开源 SWE-Bench Agent Swarm 长程编码 AI编程模型开源 HuggingFace Moonshot

Kimi K2.6 开源了！还附送了 300 个 Agent 员工？

Kimi K2.6 开源了！还附送了 300 个 Agent 员工？
2026-04-21 07:57:28
Kimi K2.6开源发布，SWE-Bench Pro 58.6分超越GPT-5.4和Claude Opus 4.6，300个子Agent并行4000步骤持续5天
Kimi 开源 AI编程 Agent 月之暗面 SWE-Bench 大模型

智谱 GLM-5.1 深度解析：当开源模型突破「8小时自治」临界点

智谱 GLM-5.1 深度解析：当开源模型突破「8小时自治」临界点
2026-04-09 00:53:51
2026年4月8日智谱发布GLM-5.1，744B参数MIT开源，SWE-bench Pro 58.4分超越Claude Opus 4.6，全球首个支持8小时长程自治的开源模型。
GLM-5.1 智谱AI 开源大模型 MoE SWE-bench 长程自治 LLM

大家都在搜索什么？

devops 易支付一个官网+多少钱统一接受回调统一回调 python sub node 宝塔日志 mysql shell ElasticSearch css vue api接口对接 2025 支付接口对接 go php php回调