SWE-rebench 作者

SWE-rebench是面向软件工程LLM的持续更新去污染基准与排行榜，按Resolved Rate、Pass@5、单题成本与token等指标评估模型，数据取自43个仓库48题并可调时间窗，提供污染标记；截至2026-01-02 Claude Code以52.9%解决率、70.8% Pass@5居首且单题$3.50，结论是模型差异显著且成功率与成本效率存在权衡。