ベンチマーク · agentic

DeepSWE

2 結果 2 モデル

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

タイムライン

日付	モデル	スコア	ソース
2026-07-27	GPT-5.6 Sol	72.7%	Kimi K3がDeepSWEのpass@4でGPT-5.6 Solを上回り、コストは64%削減
2026-07-27	Kimi K3	68.5%	Kimi K3がDeepSWEのpass@4でGPT-5.6 Solを上回り、コストは64%削減