**SWE-in-a-team：面向软件工厂的编码基准测试**

_SWE-in-a-team: a coding benchmark for software factories_

> 新发布的SWE-in-a-team基准测试在完整SDLC循环中评估了13个编码代理与模型的表现。研究发现，Open-Weight模型DeepSeek-v4-flash以约一半的成本完成了全部20个任务，而Claude Fable虽通过更多关卡但成本接近两倍。测试涵盖计划、构建、CI、审查、部署与测试全流程，揭示了不同模型在真实软件工程场景中的效率与成本差异。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：论文
- **发布时间**：2026-09-01 23:19（北京时间）
- **原文**：[打开原文](https://letsship.ai/blog/swe-in-a-team)