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。在编程助手（Agent）里，Junie 修好 61.8%，成本 ...

推荐理由：Nebius 用 65 个开源仓库里的 111 个真实 GitHub 问题搭的测试，把模型和编程助手放在一起跑，还给了透明成本。三个维度都踩中了，但这是第三方评测，不是模型发布，所以分数没给到 85。