标签「SWE-Bench」

阿里推出专为编程智能体和本地开发设计的Qwen3-Coder-Next模型，采用混合专家架构，推理时仅激活少量参数以降低资源需求。该模型在权威基准测试中表现优异，性能超越更大模型，并已开源供免费使用。

Mistral AI 与 All Hands AI 联合推出 240 亿参数开源模型 Devstral，在 SWE-Bench 测试中以 46.8% 解决率刷新开源模型记录。该模型通过混合专家架构实现单卡本地部署，且支持跨文件依赖修复与单元测试同步生成，为 AI 编程助手发展提供新范式。

Anthropic推出Claude 4系列AI模型，旗舰产品Opus 4在SWE-bench测试中取得72.5%准确率，持续作业时间突破七小时。新系列采用双模型架构，技术升级包括200k token上下文窗口和思维链功能，并推出差异化商业定价策略。