已过期50% 置信基准精确时间
SWE-bench_Verified榜首是ornith-ai/Ornith-1.5-397B，得分86；SWE-bench_Pro由inclusionAI/Ling-3.1-flash以68.74分拿下，该模型还在SWE-bench_Multilingual（88.5分）和skillsbench（68.7分）上排名第一。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/18
首次发现
此条事实已过期，仅作历史留存，不再代表当前状态
有效期至：2026/11/1(已过期)
来源
涉及实体
相关事实
待验证Ornith 9B 在 SWE-Bench 上得分 69.4，接近千问 3.5-35B 的 70 分74% 相似已验证Qwen3.8-Flash-Next在SWE-bench 1.1和SWE-bench Pro测评中分别取得58.7和62.5的成绩66% 相似待验证Reflection AI 自报 Beam 在 SWE-Bench Verified 得分 80.9、Terminal-Bench 2.1 得分 80.1、AIME 2026 得分 97.8。60% 相似待验证DeepSeek V4.1号称SWE拿到74，但博主发现那是多次测试中挑出的最好成绩，open code实测65、PI实测6660% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1058236API
curl https://kongchang.com/api/v1/knowledge/claims/1058236MCP
get_claim(id=1058236)