待验证60% 置信基准精确时间

SWE-bench从真实GitHub Issues中提取任务，要求模型修复主流开源项目的真实Bug，被视为衡量实际解决工程问题能力的黄金标准

2

来源数

60%

置信度

长期有效

时效性

2026/7/19

首次发现

来源

GLM国产开源模型：百万Token上下文能否挑战Claude Code？

相关事实

已验证SWE-bench直接从GitHub真实开源项目中提取issue和对应的pull request，要求AI系统理解问题描述、定位代码缺陷并生成正确的修复补丁84% 相似已验证SWE-bench要求模型解决GitHub上真实的软件缺陷，是评估Agent级编程能力的权威基准82% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/562695

API

curl https://kongchang.com/api/v1/knowledge/claims/562695

MCP

get_claim(id=562695)