korshunov.ai كل المهم في عالم تعلّم الآلة
AR
Benchmark · agentic

DeepSWE

25 نتائج 20 نماذج

DataCurve's long-horizon real-repo coding-agent suite (headline metric = pass@1 resolve rate); Artificial Analysis swapped SWE-bench Pro out of its Coding Agent Index for it. Not a SWE-bench variant.

0 23.5 47 70.5 94 2026-07-27 2026-08-18 2026-09-10 Kimi K3 · 68.5 · 2026-07-27 GPT-5.6 Sol · 72.7 · 2026-07-27 GPT-5.6 Sol · 85.8 · 2026-08-18 Gemini 3.6 Flash · 49 · 2026-07-27 DeepSeek-V4-Flash · 54.4 · 2026-07-31 DeepSeek-V4-Flash-0731 · 54.4 · 2026-07-31 Qwen3.8-Max · 56.6 · 2026-08-03 DeepSeek-V4 Flash 0731 · 53.3 · 2026-08-07 GPT-5.6 Luna · 67.2 · 2026-08-07 Grok 4.6 · 65.9 · 2026-08-13 DeepSeek-V4-Pro · 62.7 · 2026-08-13 Gemini 3.7 Flash · 65.3 · 2026-08-13 GLM-5.3 · 66.9 · 2026-08-17 GLM-5.3 · 69 · 2026-08-22 DeepSeek V4 Pro 0813 · 88.5 · 2026-08-18 DeepSeek V4 Pro 0813 · 62.8 · 2026-08-18 Claude Fable 5 · 69.7 · 2026-08-18 Claude Fable 5 · 69.7 · 2026-08-22 Ornith-1.5 · 56 · 2026-08-19 Ornith-1.5 · 56 · 2026-08-20 DeepSeek-V4-Flash-Vision-Exp · 59.3 · 2026-08-21 GLM-5.3-Flash · 63 · 2026-08-26 Muse Spark 1.3 · 75.4 · 2026-09-04 GPT-6 Astra · 74.1 · 2026-09-04 DeepSeek-V4.1-Flash · 74.2 · 2026-09-10
Kimi K3 GPT-5.6 Sol Gemini 3.6 Flash DeepSeek-V4-Flash DeepSeek-V4-Flash-0731 Qwen3.8-Max DeepSeek-V4 Flash 0731 GPT-5.6 Luna Grok 4.6 DeepSeek-V4-Pro Gemini 3.7 Flash GLM-5.3 DeepSeek V4 Pro 0813 Claude Fable 5 Ornith-1.5 DeepSeek-V4-Flash-Vision-Exp GLM-5.3-Flash Muse Spark 1.3 GPT-6 Astra DeepSeek-V4.1-Flash
الجدول الزمني
التاريخ النموذج النتيجة المصدر
2026-09-10 DeepSeek-V4.1-Flash 74.2% ديب سيك تطلق نموذج V4.1-Flash بدعم متعدد الوسائط الأصلي
2026-09-04 GPT-6 Astra 74.1% OpenAI تُطلق GPT-6 Astra، نموذج لاستخدام الحاسوب بسياق يتكون من 1.05M رمز
2026-09-04 Muse Spark 1.3 75.4% Meta تطلق Muse Spark 1.3 بمكالمات أدوات ورموز أقل
2026-08-26 GLM-5.3-Flash 63.0% أوكس ألفا هو GLM-5.3-Flash
2026-08-22 GLM-5.3 69.0% GLM-5.3 تساوي دقة Claude Fable 5 على DeepSWE بتكلفة أقل بخمس مرات
2026-08-22 Claude Fable 5 69.7% GLM-5.3 تساوي دقة Claude Fable 5 على DeepSWE بتكلفة أقل بخمس مرات
2026-08-21 DeepSeek-V4-Flash-Vision-Exp 59.3% ديب سيك تطلق النموذج متعدد الوسائط DeepSeek-V4-Flash-Vision-Exp
2026-08-20 Ornith-1.5 56.0% Z.ai تقترح قانون قياس ما بعد التدريب وتطلق GLM 5.3؛ Ornith-1.5 ينطلق مع تحسين ذاتي
2026-08-19 Ornith-1.5 56.0% إطلاق Ornith-1.5 لنماذج بحجم 9B و35B-A3B و397B بتدريب ذاتي التحسين
2026-08-18 DeepSeek V4 Pro 0813 62.8% DeepSeek V4 Pro 0813 مقابل Claude Fable 5 على DeepSWE: التكلفة، البرمجة، والتوجيه
2026-08-18 Claude Fable 5 69.7% DeepSeek V4 Pro 0813 مقابل Claude Fable 5 على DeepSWE: التكلفة، البرمجة، والتوجيه
2026-08-18 GPT-5.6 Sol 85.8% تسلسل حلول DeepSeek V4 Pro وGPT-5.6 يحل 83% من مهام DeepSWE بتكلفة 3.35 دولار
2026-08-18 DeepSeek V4 Pro 0813 88.5% تسلسل حلول DeepSeek V4 Pro وGPT-5.6 يحل 83% من مهام DeepSWE بتكلفة 3.35 دولار
2026-08-17 GLM-5.3 66.9% Z.ai تطلق نموذج البرمجة GLM-5.3؛ Cursor تنضم إلى SpaceXAI
2026-08-13 Gemini 3.7 Flash 65.3% جوجل تقدم Gemini 3.7 Flash مع تحسينات في البرمجة وتكلفة أقل
2026-08-13 DeepSeek-V4-Pro 62.7% إصدار DeepSeek-V4-Pro العام يعزز قدرات الوكيل ويضيف دعم API الاستجابات
2026-08-13 Grok 4.6 65.9% SpaceXAI تطلق Grok 4.6 بـ 500K سياق وتحسينات في الاستدلال الوكيل
2026-08-07 DeepSeek-V4 Flash 0731 53.3% DeepSeek-V4 Flash 0731 مقابل GPT-5.6 Luna على DeepSWE: التكلفة والبرمجة
2026-08-07 GPT-5.6 Luna 67.2% DeepSeek-V4 Flash 0731 مقابل GPT-5.6 Luna على DeepSWE: التكلفة والبرمجة
2026-08-03 Qwen3.8-Max 56.6% أليبايبا تطلق Qwen3.8-Max، نموذج MoE بـ 2.4 تريليون معلمة
2026-07-31 DeepSeek-V4-Flash-0731 54.4% DeepSeek تطلق V4-Flash-0731 بتحسينات كبيرة في المهام الوكيلية بتكلفة أقل
2026-07-31 DeepSeek-V4-Flash 54.4% ديب سيك تطلق النسخة التجريبية العامة من DeepSeek-V4-Flash بقدرات وكيل محسّنة
2026-07-27 Gemini 3.6 Flash 49.0% جوجل تطلق Gemini 3.6 Flash و3.5 Flash-Lite و3.5 Flash Cyber
2026-07-27 Kimi K3 68.5% كيمي K3 يتفوق على جي بي تي-5.6 سول في DeepSWE pass@4 ويقلل التكلفة بنسبة 64%
2026-07-27 GPT-5.6 Sol 72.7% كيمي K3 يتفوق على جي بي تي-5.6 سول في DeepSWE pass@4 ويقلل التكلفة بنسبة 64%