# 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

> 原标题：13 Models and 4 Agents on SWE Tasks: Go, Java, Python, Rust, TS

- 来源：Hacker News 首页
- 发布时间：2026-07-31T15:28:28.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/47887
- 原文：https://swe-rebench.com

## 摘要

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。

## 锐评

Grok 4.5 每个问题 1.47 美元，Fable 5 要 4.40，修 Bug 率只差一个多点，这价差是这条榜里唯一值得看的东西。跑 agent 的人算账不看榜首看单位成本，同样一批 issue 用 Grok 4.5 能省三分之二的钱，多跑几轮重试都划算。Nebius 拿 111 个真实 GitHub issue 搭的测试，比那些自己出的题可信，但 111 个样本还是小，排名前后差一两个点别太当真。反正我选模型先看每任务成本这一列。
