基准DeepSWE 1.1

DeepSWE 1.1

面向软件工程代理的编码基准，DeepSWE系列的更新版，主要考察多仓、多依赖场景下的工程任务完成度

时间轴 (近 90 天)

10月19日

Wonder Full在SWE-Marathon基准上拿到57.5分，在DeepSWE 1.1上达到79.0分。

待验证50%

10月16日

在 DeepSWE 1.1 上，Muse Spark Open 得分为 60，Kimi K3 得分为 68。

已过期60%

10月13日

在DeepSWE 1.1基准测试中，Muse Wonder Full取得79.0%，超过Claude Opus 5.5的74.2%和GPT-6 Astra的74.1%

已过期70%

10月12日

Muse Wonder 在 DeepSWE 1.1 上以 78.8 对 74.2 击败 Claude Opus 5.5，在 Harvey 法律代理基准 LAB-AA 上以 10.0 对 4.2 领先，在 SWE-Marathon 上以 53.1 对 46.3 领先。

待验证50%

10月7日

在 DeepSWE 1.1 编码基准上，Mistral Large 4 Preview 得分 62，位列第二，仅次于 Kimi K3 搭配 Kimi Code CLI 的 68 分

已过期65%

10月1日

Google报告Gemini 4 Argon在DeepSWE 1.1软件工程评测中获得77.9%的成绩（厂商自行公布）

待验证50%

Wonder Full在SWE-Marathon基准上拿到57.5分，在DeepSWE 1.1上达到79.0分。

Muse Wonder 在 DeepSWE 1.1 上以 78.8 对 74.2 击败 Claude Opus 5.5，在 Harvey 法律代理基准 LAB-AA 上以 10.0 对 4.2 领先，在 SWE-Marathon 上以 53.1 对 46.3 领先。

Google报告Gemini 4 Argon在DeepSWE 1.1软件工程评测中获得77.9%的成绩（厂商自行公布）