待验证50% 置信基准精确时间
Devin在SWE-bench基准测试中曾创下当时的最高分
1
来源数
50%
置信度
长期有效
时效性
2026/9/23
首次发现
来源
涉及实体
相关事实
待验证Devin在SWE-bench评测中达到13.86%的解决率（当时最高）69% 相似待验证Claude Sonnet 3.7以扩展思维（Extended Thinking）能力著称，在SWE-bench编程基准测试上取得了当时的最高分61% 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59% 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59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/944675API
curl https://kongchang.com/api/v1/knowledge/claims/944675MCP
get_claim(id=944675)