**DeepSWE：评估AI编程代理的最佳基准？**

_DeepSWE – Best Benchmark for Evaluating AI Coding Agents?_

> DeepSWE是一个高保真基准平台，专为评估前沿AI编程代理在复杂长期软件工程任务中的表现而设计。与SWE-bench不同，DeepSWE使用从零编写的原创任务，彻底消除了预训练数据污染和Git历史作弊的可能。它涵盖91个活跃开源仓库，任务复杂度更高（平均编辑7个文件，新增668行代码），并鼓励模型进行自我测试验证。最新数据显示，GPT-5.6-sol以73%的通过率领先，Claude Fable 5和GPT-5.6-terra紧随其后，后者在保持70%通过率的同时成本更低。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：ai-models
- **发布时间**：2026-07-21 15:45（北京时间）
- **原文**：[打开原文](https://www.i-programmer.info/news/105-artificial-intelligence/19016-deepswe-best-benchmark-for-evaluating-ai-coding-agents.html)