标签： SWE-Bench

AI 工具AIGC 资讯

DGM：自我进化AI Agent！迭代修改自身代码，SWE-bench性能飙升150% | 自改进系统前沿

站外新闻
站外新闻
AI 工具AIGC 资讯

Kimi-Dev 72B 开源代码模型登顶SWE-bench！月之暗面发布，超越DeepSeek-R1，编程能力堪比闭源模型

站外新闻
站外新闻
AI 工具AIGC 资讯

Claude Opus 4.1 深度评测：74.5% SWE-bench 登顶！编程、Agent与安全性全面超越GPT-4.1

站外新闻
站外新闻
AI 工具AIGC 资讯

快手Kwaipilot开源KAT-Dev-32B：SWE-Bench排名第五，62.4%解决率重塑AI编程

站外新闻
站外新闻
AI 工具AIGC 资讯

快手Kwaipilot重磅发布KAT-Coder：SWE-Bench解决率73.4%，重新定义AI代码生成效能边界

站外新闻
站外新闻
AI 工具AIGC 资讯

Mistral AI 开源 Devstral 2 系列：123B/24B 参数编程模型，SWE-bench准确率72.2%，引领企业级AI编程新时代

站外新闻
站外新闻
AI 工具AIGC 资讯

微软开源FrogBoss：32B参数编程模型如何用’漏洞生成’技术登顶SWE-Bench？

站外新闻
站外新闻
AI 工具AIGC 资讯

MiniMax开源M2.5旗舰模型：10B参数实现100 TPS狂飙，编程与Agent能力颠覆行业格局

站外新闻
站外新闻
AI 工具AIGC 资讯

Qwen3-Coder-Next：阿里通义千问开源80B参数MoE编程智能体，SWE-Bench解决率超70%！自动写代码、修Bug、部署测试，开启AI编程新范式

站外新闻
站外新闻
AI 工具AIGC 资讯

GPT-5.3 Codex发布：OpenAI最强编程AI模型，性能飙升25%并重新定义软件工程

站外新闻
站外新闻
AI 工具AIGC 资讯

快手KAT-Coder-Pro V2重磅发布：SWE-Bench追平GPT-5，前端美学生成断层领先，国产AI编程模型新标杆

站外新闻
站外新闻
AI 工具AIGC 资讯

阿里Qwen3.6-Plus发布：百万上下文+超低参数量，编码智能体性能直逼Claude 4.5 Opus

站外新闻
站外新闻
AI 工具AIGC 资讯

蚂蚁百灵开源万亿参数模型Ling-2.6-1T：智效比登顶，AIME26/SWE-bench双料SOTA，专为Agent与Coding打造

站外新闻
站外新闻
AI 工具AIGC 资讯

Cursor发布Composer 2.5：自研Agentic编程模型，性能比肩Opus 4.7、成本仅1/10

站外新闻
站外新闻
- 入群领取知识星球折扣卷, 仅剩99份 -

最近更新

APUS AI Lab 开源 APUS-OpenJev-v1 端侧决策大模型架构与低延迟推理基准图
单卡P50延迟仅25ms且85%高精度反超商业API！APUS重磅开源端侧决策大模型OpenJev-v1：首创effort动态计算深度、候选感知投影与告别JSON幻觉全景实战深度拆解
AI 工具
Anthropic Claude Haiku 5.5 轻量级模型五档思考调节与电脑操作基准全景图
OSWorld狂飙至72.4%且综合成本狂降75%！Anthropic重磅发布新一代轻量旗舰Claude Haiku 5.5：五档自适应思考、百万长上下文与多子代理集群并行架构全景实测深度拆解
AI 工具
VoxMem 音频大模型长期记忆二维评测基准架构与声学证据多会话评测全景图
记住说了啥却忘了是谁说的！墨尔本大学重磅开源首个音频大模型记忆基准VoxMem：32K准确率不足40%、四维声学证据解耦与语音持久交互残酷真相全景深度拆解
最新趋势
StartLux Labs 开源决策模型家族 Startlux-Decision 官方架构与性能基准全景图
告别逐字生成算力浪费与黑盒幻觉！StartLux Labs重磅开源决策模型家族Startlux-Decision：单次前向毫秒级概率置信度、256K多模态长状态与Agent路由全景拆解
AIGC 资讯