Benchmark · agentic

DeepSWE

2 परिणाम 2 मॉडल

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.

GPT-5.6 Sol Kimi K3

समयरेखा

तारीख़	मॉडल	स्कोर	स्रोत
2026-07-27	GPT-5.6 Sol	72.7%	Kimi K3 ने DeepSWE pass@4 पर GPT-5.6 Sol को हराया और लागत 64% कम की
2026-07-27	Kimi K3	68.5%	Kimi K3 ने DeepSWE pass@4 पर GPT-5.6 Sol को हराया और लागत 64% कम की