DeepSWE 相关 AI 资讯

模型中美对照01:36

DeepSeek-V4.1-Flash-1017 在 DeepSWE v1.1 得 77 分，将上线 Databricks

DeepSeek 新模型 DeepSWE 跑到 77 分，性能对标 Opus 5，价格只有 1/83，Databricks 也要上了，开源党可以看看。

#DeepSeek #DeepSWE #Databricks #开源模型

Yuchen Jin@Yuchenj_UW原文

模型中美对照17:34

DeepSeek-V4.1-Flash-1017 发布：DeepSWE 编程成绩升至 77.0

DeepSeek 更新了 V4.1-Flash-1017，编程测试涨到 77.0，还专门改了话痨问题，输出更精简，权重直接开放下载。

#DeepSeek #DeepSWE #编程助手 #开源模型

Lxfater@lxfater原文

模型中美对照00:53

Google 发布 Gemini 4 Argon，主打长程多步骤任务

Google 的新模型 Gemini 4 Argon 专门干长流程任务，编程和金融法律测试都拿了第一，做复杂项目的可以试试。

#Gemini 4 Argon #Google Cloud #DeepSWE #推理模型

OpenRouter@OpenRouterAI原文

模型 Agent 与开发者多源确认01:38

Step 5 Preview 在 Cline 中免费开放

StepFun 的 Step 5 Preview 免费进 Cline 了，DeepSWE 成绩压过 Kimi K3 和 GLM-5.3，写代码的可以直接试试。

#Step 5 Preview #Cline #DeepSWE #开源模型

事件专题

Cline@cline5 个信源在谈原文

模型 Agent 与开发者多源确认76°21:36

Mistral Large 4 在 DeepSWE 基准测试中领先 GLM-5.3

Mistral Large 4 在多个专业领域基准测试中表现优异，金融和法律任务得分亮眼。

#Mistral Large 4 #GLM-5.3 #DeepSWE #Finch

事件专题

TestingCatalog@testingcatalog11 个信源在谈原文

产品 Agent 与开发者精选04:14

Cline 上线 Pareto 26.10 Preview：多模型路由评分，单任务 $0.24

Cline 新上了个 Pareto 26.10 Preview，能同时跑几个模型挑最好的答案，同样的 DeepSWE 成绩只要 Fable 五十六分之一的钱。

#Cline #Pareto #编程助手 #模型路由

Cline@cline原文

模型 Agent 与开发者多源确认精选73°15:53

Gemini 4 Argon面向美国政府和可信测试者

Google的Gemini 4 Argon来了，编程和安全领域表现亮眼，价格还打了五折。

#Gemini 4 #Google #DeepSWE #编程助手

事件专题

TestingCatalog@testingcatalog11 个信源在谈原文

模型中美对照多源确认83°09:34

谷歌发布Gemini 4 Argon新旗舰模型

谷歌发布Gemini 4 Argon，1M token输出能力，多项基准测试领先，但普通用户暂时用不了

#Gemini 4 Argon #谷歌 #GPT-6.1 Sol #DeepSWE

事件专题

AIGCLINK@aigclink11 个信源在谈原文

模型中美对照多源确认87°07:00

谷歌发布Gemini 4 Argon模型

谷歌新发布的Gemini 4 Argon在代码工程测试中超越Claude Opus，单次输出达百万tokens，适合处理大型项目。

#Gemini 4 Argon #GPT-6 Astra #Claude Opus #DeepSWE

事件专题

IT之家11 个信源在谈原文

模型 Agent 与开发者多源确认72°04:17

GPT-6.1 Sol 已集成到 Cline

Cline 集成了 GPT-6.1 Sol，成本只有 GPT-6 Astra 的五分之一，性能相当。

#GPT-6.1 Sol #Cline #DeepSWE #推理模型

事件专题

Cline@cline11 个信源在谈原文

模型中美对照多源确认76°02:55

OpenAI发布GPT-6.1 Sol，价格仅为Astra的五分之一

OpenAI新出的GPT-6.1 Sol性能接近Astra但价格便宜很多，还推出了新代理Dots和API。

#GPT-6.1 Sol #OpenAI #Astra #DeepSWE

事件专题

The Rundown AI@therundownai11 个信源在谈原文

模型中美对照多源确认83°02:09

GPT-6.1 Sol 在 DeepSWE 基准上匹敌 Astra

GPT-6.1 Sol 在保持性能的同时大幅降低了成本，每百万代币仅需 2 美元输入和 10 美元输出。

#GPT-6.1 #Astra #DeepSWE #成本优化

事件专题

Vaibhav Srivastav@reach_vb11 个信源在谈原文

技巧 Agent 与开发者多源确认精选72°05:48

Jev 路由实测对比 GPT-6 Astra：公开基准数字参考价值有限

有人拿自建 harness 实测了 Jev 路由，性能能追平 GPT-6 Astra low，代价是跑得更久。文章还讨论了为什么公开基准分数别太当真。

#Jev #GPT-6 Astra #DeepSWE #OpenRouter

事件专题

elvis@omarsar011 个信源在谈原文

论文 Agent 与开发者多源确认精选10:58

Fireworks 实测：完美路由通过率 97.6%，成本不到最佳单模型 1/3

Fireworks 测了 18 个模型：最贵的只在 3 个任务上是唯一最优，路由的想象空间很大。

#Fireworks #FireRouter #DeepSWE #模型路由

事件专题

shao__meng@shao__meng11 个信源在谈原文

论文 Agent 与开发者09:26

Fireworks AI：路由让 113 个编码任务解题率达 97.6%

Fireworks AI 测了 18 个模型：把任务路由给最擅长的那个，比单用最强模型更准也更省。

#Fireworks AI #DeepSWE #模型路由 #模型评测

Fireworks AI@FireworksAI_HQ原文

模型中美对照精选12:15

小米发布新模型MiMo-2.6，DeepSWE测试成绩显著提升

小米发布了新模型MiMo-2.6，训练页面显示它在DeepSWE测试中比之前版本好很多，值得看看。

#MiMo #DeepSWE #小米 #GLM-5.3-Flash

事件专题

Blognone@lew2 个信源在谈原文

模型中美对照多源确认03:54

DeepSWE测试显示DeepSeek V4.1-Flash输入token占比远高于输出

DeepSWE测试发现DeepSeek V4.1-Flash的输入token消耗远高于输出，缓存命中率高，能大幅降低成本。

#DeepSeek #DeepSWE #token消耗 #成本优化

事件专题

Fireworks AI@FireworksAI_HQ11 个信源在谈原文

模型中美对照官方一手73°04:22

GPT-6 Astra 发布，DeepSWE v1.1 得分 75.2%

OpenAI 发布了 GPT-6 Astra，它在代码修复任务中表现出色，能完整处理从 bug 分析到修复的全流程。

#GPT-6 #Astra #DeepSWE #推理模型

事件专题

官方一手@OpenAIDevs@OpenAIDevs11 个信源在谈原文

模型中美对照78°08:43

Google发布Gemini 3.8 Flash及网络安全版本

Google密集发布Flash系列，新模型在工程和安全领域表现亮眼，价格实惠但2026年后将翻倍。

#Gemini #3.8 Flash #网络安全 #DeepSWE

宝玉@dotey原文

模型73°00:51

谷歌发布3.8 Flash模型，6周内第三个版本

谷歌六周内第三次发布Flash模型，3.8版本在工程任务和推理能力上大幅提升，成本却更低。

#3.8 Flash #Flash模型 #谷歌 #DeepSWE

Sundar Pichai@sundarpichai原文

模型中美对照多源确认78°14:58

神秘Ox Alpha AI模型限免上架：DeepSWE跑分碾压Claude Fable 5

Ox Alpha模型免费限免，DeepSWE跑分领先，多模态输入，与智谱架构相似，值得一试。

#Ox Alpha #DeepSWE #Claude Fable 5 #多模态

事件专题

IT之家7 个信源在谈原文

模型15:06

DeepSWE 超越 Fable 在 10 项任务中表现亮眼

Ben Davis 在 x.com 上展示了 DeepSWE 在多项任务中的出色表现，比 Fable 和 GPT-5.6-sol 更胜一筹，值得关注。

#DeepSWE #Fable #GPT-5.6-sol #模型比较

orange.ai@oran_ge原文

产品 Agent 与开发者官方一手10:25

DeepSeek V4 API 涨价最高500%，8月17日生效

DeepSeek 把 V4 API 价格调高了，最高 500%。非高峰时段半价，要省钱就避开高峰，8月17日就改。

#DeepSeek #V4 #API定价 #DeepSWE

官方一手Pandaily@[email protected] (Pandaily)原文

模型中美对照精选79°20:08

DeepSeek V4 Flash 官方API开启公测，Agent能力大升级

DeepSeek V4 Flash 公测了，Agent 跑分比 V4 Pro 高不少，还原生支持 Responses API，玩 Codex 的可以直接试。

#DeepSeek #V4 Flash #智能体 #Terminal Bench

AI Will@FinanceYF5原文

模型中美对照多源确认72°11:34

Kimi K3 max vs GPT-5.6 Sol max：DeepSWE基准对比

Together Compute 下了个对比，Kimi 和 GPT 在修 bug 上各有绝活，组合用比单干划算得多。

#Kimi K3 max #GPT-5.6 Sol max #DeepSWE #Together Compute

事件专题

shao__meng@shao__meng3 个信源在谈原文

模型中美对照精选07:01

Kimi K3 Max以55%成本匹配GPT 5.6 Sol Max软件工程性能

Kimi K3 Max性价比炸裂，软件工程能力不输GPT 5.6 Sol Max，混合使用还能再提分，值得关注。

#Kimi K3 Max #GPT 5.6 Sol Max #DeepSWE #软件工程

事件专题

官方账号Together AI@togethercompute2 个信源在谈原文

模型 Agent 与开发者多源确认17:06

Poolside发布Laguna S 2.1编码模型，性能超越大参数模型

Poolside 又出了个厉害编码模型，Laguna S 2.1 在本地就能跑，多项基准比大它几十倍的模型还强。

#Laguna #Poolside #Terminal-Bench #DeepSWE

事件专题

Thomas Wolf@Thom_Wolf9 个信源在谈原文

模型中美对照多源确认76°15:31

Gemini 3.6 Flash发布：DeepSWE提升至49%，成本降低52%

想要又快又便宜的模型？Gemini 3.6 Flash在DeepSWE上冲到49%，成本砍半，跑agent任务很合适。

#Gemini 3.6 Flash #Google #DeepSWE #智能体

事件专题

@koltregaskes@koltregaskes11 个信源在谈原文

模型中美对照多源确认18:33

Kimi K3与Fable 5在软件工程任务上表现对比

看看Kimi K3和Fable 5在DeepSWE基准上怎么比，开源模型追上闭源了吗？

#Kimi K3 #Fable 5 #DeepSWE #软件工程

事件专题

AI Will@FinanceYF511 个信源在谈原文

模型中美对照多源确认04:12

Kimi K3 性能对标 Claude Fable 5，价格仅 35%

想省钱又要强性能？Kimi K3 在编程任务上和 Claude Fable 5 打个平手，价格只要三分之一，高要求场景还更强。

#Kimi K3 #Claude Fable 5 #Together AI #DeepSWE

事件专题

Aravind Srinivas@AravSrinivas11 个信源在谈原文

模型 Agent 与开发者多源确认09:38

Kimi K3 vs. Claude Fable 5 软件工程基准测试分析

如果你写代码，Kimi K3花不到一半的钱就能干和Claude Fable 5一样好的活，高通过率时还更强。

#Kimi K3 #Claude Fable 5 #DeepSWE #编程助手

事件专题

官方账号Together AI@togethercompute11 个信源在谈原文

模型中美对照多源确认02:45

GPT-5.6 Sol max 和 xhigh 登顶 DeepSWE 排行榜，超过 Fable 5

OpenAI 的 GPT-5.6 新变体在 DeepSWE 上干过了 Fable 5，还更便宜更快，值得关注。

#GPT-5.6 #DeepSWE #Fable 5 #代码生成

事件专题

@koltregaskes@koltregaskes7 个信源在谈原文

模型 Agent 与开发者多源确认07:43

xAI 发布 Grok 4.5，主打编程与 Agent 任务

xAI 发了新模型 Grok 4.5，编程和 Agent 能力很强，还跟 Cursor 联训，现在免费体验。

#Grok 4.5 #xAI #Cursor #DeepSWE

事件专题

Geek@geekbb11 个信源在谈原文

模型中美对照15:25

GLM-5.2 在 DeepSWE 基准上超越 Kimi-K2.7 Code，成为最佳开源模型

智谱的 GLM-5.2 代码上刚赢了 Kimi 的 K2.7，但更贵输出也更多，离顶级闭源还有距离。

#GLM-5.2 #Kimi-K2.7 #DeepSWE #开源模型

@koltregaskes@koltregaskes原文

产品 Agent 与开发者多源确认73°15:09

Artificial Analysis 更新编程智能体排行：DeepSWE 取代 SWE-Bench Pro，Claude Fable 5 登顶

基准测试更新直接影响了主流编程智能体的排名，做 AI 编程工具选型或评估模型能力的开发者值得关注——Claude Fable 5 新登顶，Codex 也大幅提升，建议点开看具体得分和对比。

#编程智能体 #基准测试 #Claude Fable 5 #GPT-5.5

事件专题

官方账号Artificial Analysis@ArtificialAnlys11 个信源在谈原文

模型中美对照12:23

DeepSWE 新基准发布：GPT-5.5 领先，小米模型表现亮眼

这个基准测试解决了现有 coding benchmark 数据污染问题，做 AI 编程模型评估的团队可以直接参考排行榜，小米模型的表现值得一试。

#coding benchmark #DeepSWE #GPT-5.5 #小米

Viking@vikingmute原文