基准SWE-bench Pro
SWE-Bench Pro
SWE-Bench Pro是一个用于评估AI模型软件工程能力的基准测试，是SWE-Bench系列的进阶版本。该测试通过提供真实的代码仓库问题与缺陷修复任务，考察AI系统在代码理解、问题定位与补丁生成等方面的实际工程能力，旨在更严格、全面地衡量AI模型解决真实世界软件开发任务的水平。
核心事实
时间轴 (近 90 天)
9月6日
Qwen3.8 Flash Next在SWE-Bench Pro得62.5分,Cowork Bench得73.9分,Android World得84.5分,Live Code Bench得91.9/95.7分
待验证50%
9月5日
Qwen3.8-Flash-Next在SWE-bench 1.1和SWE-bench Pro测评中分别取得58.7和62.5的成绩
待验证50%
8月23日
Muse Glimmer在DeepSearch QA得分74.6，SWE-Bench Pro得分51.2
待验证50%
全部知识事实 (5)
已验证
SWE-Bench由普林斯顿大学研究团队发布，从GitHub上收集真实的Issue报告和对应的Pull Request修复补丁
65%待验证Qwen3.6 35B在SWE Bench Verified上的成绩距离Claude Opus 4.6仅差1.6个百分点
85%待验证Qwen3.8 Flash Next在SWE-Bench Pro得62.5分,Cowork Bench得73.9分,Android World得84.5分,Live Code Bench得91.9/95.7分
50%待验证Qwen3.8-Flash-Next在SWE-bench 1.1和SWE-bench Pro测评中分别取得58.7和62.5的成绩
50%待验证Muse Glimmer在DeepSearch QA得分74.6，SWE-Bench Pro得分51.2
50%