已过期70% 置信事实时间未知
通义零码在SWE-Bench Verified、Spider等基准测试中超越了开源模型，在智能体编程、浏览器使用、工具调用方面媲美甚至超越Claude Sonic等闭源模型
1
来源数
70%
置信度
中期 (~90 天)
时效性
2026/6/1
首次发现
有效期至：2026/8/30(已过期)
来源
Qwen Code CLI实测：阿里开源AI编码代理安装配置全指南
bilibiliAI-seeker
涉及实体
相关事实
待验证突变测试通过对源代码进行小规模随机修改后运行现有测试套件，若测试未检测到突变体则说明测试覆盖存在盲区，主流工具包括 Java 的 PIT、Python 的 mutmut、JavaScript 的 Stryker62% 相似待验证SWE-bench相比HumanEval、MBPP等传统基准更贴近实际开发场景，考验模型对大型代码库的理解、跨文件依赖追踪和缺陷定位能力60% 相似待验证Jest由Meta开发，以零配置和快照测试著称，在React生态中占据主导地位；Vitest专为Vite优化并兼容Jest API59% 相似待验证代码的正确性可通过单元测试获得0/1确定性信号，这种高质量低成本的奖励信号使强化学习在代码场景中效率远超自然语言场景59% 相似待验证该测试Agent工作流无需编码，即使是测试新手也可以上手使用59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/23559API
curl https://kongchang.com/api/v1/knowledge/claims/23559MCP
get_claim(id=23559)