SWE-bench Verified

OpenHands 框架, temperature=0.7, top_p=0.95, max_new_tokens=16384, 200K 上下文SWE-bench Verified 由 OpenAI 与普林斯顿团队合作推出，是经专业软件工程师人工验证的 500 个实例子集，排除了原版 SWE-bench 中问题描述模糊或测试不合理的样本。模型需根据 GitHub issue 修复代码，是衡量 AI 软件工程能力的行业标准基准。

编程官方网站

#	模型	得分 (%)	厂商	来源
1	Claude Opus 4.8	88.6	Anthropic	Hy3 Hugging Face README
2	Claude Opus 4.7	87.6	Anthropic	MiniMax M3 技术报告
3	GPT-5.5	84.4	OpenAI	Hy3 Hugging Face README
4	GLM-5.2	84.2	智谱AI	Hy3 Hugging Face README
5	Claude Opus 4.5	80.9	Anthropic	Qwen3.6-27B 技术报告
6	Claude Opus 4.6	80.8	Anthropic	Qwen3.7-Plus 技术报告
7	DeepSeek-V4-Pro	80.6	深度求索	Hy3 Hugging Face README
8	Gemini 3.1 Pro	80.6	Google	Hy3 Hugging Face README
9	MiniMax M3	80.5	MiniMax	MiniMax M3 技术报告
10	Qwen3.7-Max	80.4	阿里巴巴	Hy3 Hugging Face README

返回

SWE-bench Verified

OpenHands 框架, temperature=0.7, top_p=0.95, max_new_tokens=16384, 200K 上下文SWE-bench Verified 由 OpenAI 与普林斯顿团队合作推出，是经专业软件工程师人工验证的 500 个实例子集，排除了原版 SWE-bench 中问题描述模糊或测试不合理的样本。模型需根据 GitHub issue 修复代码，是衡量 AI 软件工程能力的行业标准基准。

编程官方网站

#	模型	得分 (%)	厂商	来源
1	Claude Opus 4.8	88.6	Anthropic	Hy3 Hugging Face README
2	Claude Opus 4.7	87.6	Anthropic	MiniMax M3 技术报告
3	GPT-5.5	84.4	OpenAI	Hy3 Hugging Face README
4	GLM-5.2	84.2	智谱AI	Hy3 Hugging Face README
5	Claude Opus 4.5	80.9	Anthropic	Qwen3.6-27B 技术报告
6	Claude Opus 4.6	80.8	Anthropic	Qwen3.7-Plus 技术报告
7	DeepSeek-V4-Pro	80.6	深度求索	Hy3 Hugging Face README
8	Gemini 3.1 Pro	80.6	Google	Hy3 Hugging Face README
9	MiniMax M3	80.5	MiniMax	MiniMax M3 技术报告
10	Qwen3.7-Max	80.4	阿里巴巴	Hy3 Hugging Face README