SWE-bench Verified · Agent mode; task snapshot unspecified · 测试定义与成绩

SWE-bench Verified · Agent mode; task snapshot unspecified 收录 5 次模型发布的评测披露或成绩。

测试版本与指标

  • Resolved · % · 越高越好

各系列最新模型 · 公布成绩

常规展示范围。排名按指标与评测协议分组,已记录的工具、预算及框架分别展示。条件未说明的组保留公布值供查证。

Resolved %

工具条件未记录 / 输出上限 64K tokens / Agentless · 条件未说明

SWE-bench Verified · Agent mode; task snapshot unspecified · Resolved · 工具条件未记录 / 输出上限 64K tokens / Agentless · 条件未说明
模型与配置成绩(%)记录与证据
DeepSeek-R1-0528未注明57.6%

历史记录 · 5 次发布

  • DeepSeek-V3.1-Terminus本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • DeepSeek-V3.1本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • DeepSeek-R1-0528本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • DeepSeek-R1本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • DeepSeek-V3本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)