SWE-rebench 排行榜:13 个模型和 4 个编程助手在真实修 Bug 任务上的表现
13 Models and 4 Agents on SWE Tasks: Go, Java, Python, Rust, TS
Nebius 用 65 个开源仓库里的 111 个真实 GitHub 问题搭了这个测试。Fable 5 排第一,修好了 64.5% 的 Bug,每个问题成本 4.40 美元。Grok 4.5 和 Opus 5 也都超过 63%,但 Grok 4.5 每个问题只要 1.47 美元,便宜不少。
推荐理由:Nebius 用 65 个开源仓库的 111 个真实 GitHub 问题搭出测试,把 13 个模型和 4 个编程助手放在同一批修 Bug 任务上比较,并给出每个问题的成本。