已过期50% 置信事实精确时间

A SWE-bench score of 63.2 means the model can correctly solve approximately 63.2% of real software engineering problems.

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/2

首次发现

有效期至：2026/9/30(已过期)

来源

Cursor Composer 2.5: The Secret Behind an Open-Source Model's Reinforcement Training to a Top-3 Coding Benchmark Ranking

bilibili鲲鹏Talk2026/5/20

相关事实

待验证Muse Glimmer 30B在SWE基准得分51.2，意味着能解决约一半的真实软件工程问题60% 相似已验证Devin在SWE-bench测试中解决了13.86%的真实GitHub Issues，高于Claude 2的表现58% 相似待验证在SWE-bench软件工程基准测试中，Claude 3.5系列的问题解决率显著高于同期竞品57% 相似待验证初代 DeepSeek Math 7B 在 MATH 竞赛基准测试中以70亿参数达到 51.7% 的正确率57% 相似待验证o3-mini-high在SWE-Bench上修复了39%的错误，允许调用内部工具后成功率飙升到61%56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/43943

API

curl https://kongchang.com/api/v1/knowledge/claims/43943

MCP

get_claim(id=43943)