基准/swe-bench-verified

SWE-bench Verified

2026-02-26 · 停更

已超过 90 天，不作为主要证据

测什么: 真实 GitHub issue 的修复通过率。
怎么测: SWE-bench Verified。本站所见的最后更新日期是 2026-02-26，其后未见新一代模型被收录。
分数含义: 百分比是 issue 修复通过率。
注意: 超过 90 天未更新，不作为主要证据。
更新: 自 2026 年 2 月起未收录新一代模型。
来源: swebench.com