待验证50% 置信基准精确时间
Devin在SWE-bench评测中达到13.86%的解决率（当时最高）
1
来源数
50%
置信度
长期有效
时效性
2026/8/9
首次发现
来源
相关事实
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71% 相似待验证在SWE-bench最初公开结果中GPT-4的解决率仅约1.7%，Devin宣称达到13.86%，SWE-agent达到12.5%66% 相似待验证Claude在OSWorld基准测试上的任务完成率达到了14.9%，代表了当时的最高水平65% 相似待验证通义千问3.6在SWE-Bench测试中得分78.8分，对比Claude Opus的80.9分61% 相似待验证在 DeepSWE 基准上，GPT-5.6 各推理档位得分分别为 Low 45 分、Medium 61 分、High 69 分、X-High 71 分、Max 73 分58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/714451API
curl https://kongchang.com/api/v1/knowledge/claims/714451MCP
get_claim(id=714451)