待验证50% 置信事实精确时间

SWE-Bench Pro旨在引入更复杂的多文件修改场景和更严格的测试标准，以拉开主流模型之间的分数差距

1

来源数

50%

置信度

长期有效

时效性

2026/7/10

首次发现

来源

OpenAI弃用SWE-Bench Pro：AI编程评测的信任危机与未来走向

hackernewshackernews2026/7/8

相关事实

待验证SWE-bench 涉及跨文件依赖分析、版本兼容性判断、回归测试通过等高阶能力，难度比 HumanEval 等写函数类基准更贴近真实工程场景78% 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70% 相似待验证SWE-Bench推出了SWE-Bench Verified和SWE-Bench Multimodal变体，前者人工筛选确保可解性，后者加入截图等多模态上下文65% 相似待验证SWE-bench因贴近真实工程场景被业界认为是最具实际参考价值的代码基准测试62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/465778

API

curl https://kongchang.com/api/v1/knowledge/claims/465778

MCP

get_claim(id=465778)