#SWE-bench评测

共 6 篇相关文章

mini-SWE-agent团队对GPT-5系列在SWE-bench基准上的评测显示，GPT-5性能与Claude Sonnet 4持平，而GPT-5-mini以不到五分之一的成本仅损失约5个百分点性能，成为AI编程Agent的最佳性价比选择。

腾讯HY3开源大模型正式发布，2950亿MoE架构仅激活210亿参数，实测前端开发、3D模拟、代码生成表现出色，性价比碾压同级竞品，与DeepSeek V4 Pro正面竞争，Apache 2.0商用免费。

Anthropic Claude Code Artifacts正式面向Pro/Max用户开放，支持生成交互式网页并实时部署。本文盘点AI Agent最新动态：阿宝公测、字节EdgeBench评测、微软Frontier Company成立，及OpenAI、Anthropic的算力布局。

阿里巴巴因安全风险禁用Claude Code，引发技术社区热议。本文深度解析企业使用云端AI编程工具的数据泄露隐患，探讨本地部署AI的崛起趋势，以及AI行业从能力竞赛转向信任建设的深层逻辑。

阿里开源Qwen3.6 35B模型，256专家MoE架构仅需3B激活参数，SWE Bench成绩逼近Claude Opus。xAI发布Voice Cloning API支持28种语言，NVIDIA开源OpenShell安全沙箱，Sam Altman表态模型智力优先。

Anthropic发布Claude Haiku 4.5，作为Sonnet 4.5的蒸馏版本，编码性能接近旗舰级水平，速度提升一倍，成本降至三分之一。SWE-Bench评测73.3分，稳居AI编码第一阵营，是开发者降本增效的理想选择。