korshunov.ai ML 世界的要闻一览
ZH-HANS
Benchmark · agentic

DeepSWE

25 条结果 20 个模型

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
时间线
日期 模型 得分 来源
2026-09-10 DeepSeek-V4.1-Flash 74.2% DeepSeek发布具有原生多模态支持的V4.1-Flash模型
2026-09-04 GPT-6 Astra 74.1% OpenAI发布GPT-6 Astra，一款拥有1.05M上下文的计算机使用模型
2026-09-04 Muse Spark 1.3 75.4% Meta 发布 Muse Spark 1.3，减少工具调用和 token 数量
2026-08-26 GLM-5.3-Flash 63.0% Ox Alpha 即 GLM-5.3-Flash
2026-08-22 GLM-5.3 69.0% GLM-5.3 在 DeepSWE 上以五分之一的成本达到与 Claude Fable 5 相当的准确率
2026-08-22 Claude Fable 5 69.7% GLM-5.3 在 DeepSWE 上以五分之一的成本达到与 Claude Fable 5 相当的准确率
2026-08-21 DeepSeek-V4-Flash-Vision-Exp 59.3% DeepSeek 发布 DeepSeek-V4-Flash-Vision-Exp 多模态模型
2026-08-20 Ornith-1.5 56.0% Z.ai提出后训练缩放定律并发布GLM 5.3；Ornith-1.5以自我改进能力上线
2026-08-19 Ornith-1.5 56.0% Ornith-1.5 发布具有自我改进训练功能的 9B、35B-A3B 和 397B 模型
2026-08-18 DeepSeek V4 Pro 0813 62.8% DeepSeek V4 Pro 0813 与 Claude Fable 5 在 DeepSWE 上的对比：成本、编码与路由
2026-08-18 Claude Fable 5 69.7% DeepSeek V4 Pro 0813 与 Claude Fable 5 在 DeepSWE 上的对比：成本、编码与路由
2026-08-18 GPT-5.6 Sol 85.8% DeepSeek V4 Pro 与 GPT-5.6 Sol 级联策略在 DeepSWE 任务上实现 83% 通过率，成本为 3.35 美元
2026-08-18 DeepSeek V4 Pro 0813 88.5% DeepSeek V4 Pro 与 GPT-5.6 Sol 级联策略在 DeepSWE 任务上实现 83% 通过率，成本为 3.35 美元
2026-08-17 GLM-5.3 66.9% Z.ai 发布 GLM-5.3 编码模型；Cursor 加入 SpaceXAI
2026-08-13 Gemini 3.7 Flash 65.3% Google推出Gemini 3.7 Flash，提升编码能力并降低成本
2026-08-13 DeepSeek-V4-Pro 62.7% DeepSeek-V4-Pro GA 发布增强代理能力并添加 Responses API 支持
2026-08-13 Grok 4.6 65.9% SpaceXAI发布Grok 4.6，支持50万上下文并增强代理推理能力
2026-08-07 DeepSeek-V4 Flash 0731 53.3% DeepSeek-V4 Flash 0731 与 GPT-5.6 Luna 在 DeepSWE 上的对比：成本与编码
2026-08-07 GPT-5.6 Luna 67.2% DeepSeek-V4 Flash 0731 与 GPT-5.6 Luna 在 DeepSWE 上的对比：成本与编码
2026-08-03 Qwen3.8-Max 56.6% 阿里巴巴发布Qwen3.8-Max，一款拥有2.4万亿参数的MoE模型
2026-07-31 DeepSeek-V4-Flash-0731 54.4% DeepSeek 发布 V4-Flash-0731，以更低的成本实现显著的智能体能力提升
2026-07-31 DeepSeek-V4-Flash 54.4% DeepSeek 发布 DeepSeek-V4-Flash 公测版，增强智能体能力
2026-07-27 Gemini 3.6 Flash 49.0% Google发布Gemini 3.6 Flash、3.5 Flash-Lite和3.5 Flash Cyber
2026-07-27 Kimi K3 68.5% Kimi K3在DeepSWE pass@4上超越GPT-5.6 Sol，成本降低64%
2026-07-27 GPT-5.6 Sol 72.7% Kimi K3在DeepSWE pass@4上超越GPT-5.6 Sol，成本降低64%