DeepSWE编程

pier 官方评估框架 + mini-swe-agent, 隔离容器 2CPU/8GB, 无网络DeepSWE 评估 AI 在深度软件工程任务上的表现，专注于需要深入理解大型代码库、追踪复杂调用链、跨模块分析的真实世界问题。相比 SWE-bench，DeepSWE 的任务需要更深的代码推理和更广泛的上下文理解。

排行数据源

#模型得分

1

GPT-5.6 SolOpenAI

73.0%

2

Claude Fable 5Anthropic

70.0%

3

GPT-5.5OpenAI

70.0%

4

Kimi K3月之暗面

67.5%

5

DeepSeek-V4-Pro-0813深度求索

62.7%

6

DeepSeek-V4-Flash-Vision-Exp深度求索

59.3%

7

Claude Opus 4.8Anthropic

59.0%

8

DeepSeek-V4-Flash-0731深度求索

54.4%

9

GLM-5.2智谱AI

46.2%

10

Seed2.1 Pro字节跳动

32.7%

共 18 个模型

返回基准目录

DeepSWE编程

pier 官方评估框架 + mini-swe-agent, 隔离容器 2CPU/8GB, 无网络DeepSWE 评估 AI 在深度软件工程任务上的表现，专注于需要深入理解大型代码库、追踪复杂调用链、跨模块分析的真实世界问题。相比 SWE-bench，DeepSWE 的任务需要更深的代码推理和更广泛的上下文理解。

排行数据源

#模型得分

1

GPT-5.6 SolOpenAI

73.0%

2

Claude Fable 5Anthropic

70.0%

3

GPT-5.5OpenAI

70.0%

4