OpenGPTقرارات نماذج مبنية على الأدلة
بحث⌘K

دليل AI Agent والتقييمات

اعثر على منتجات Agent المتحقق منها، ثم قارن الإعدادات المنشورة ضمن نطاق المعيار نفسه فقط.

تحقّق قبل الاعتمادتقديم وكيل
أفضل 3 في التقييمSWE-bench Verified · محلول · 10 من التكوينات القابلة للمقارنة
  1. الترتيب 1live-SWE-agent + Claude 4.5 Opus medium (20251101)UIUC79.2%
  2. الترتيب 1Sonar Foundation Agent + Claude 4.5 OpusSonar79.2%
  3. الترتيب 3TRAE + Doubao-Seed-CodeByteDance78.8%

البرمجة

اختر فئة مهمة
اللقطة والتغييراتلم تُخزن لقطة سابقة قابلة للمقارنة بعد.لقطة المصدر الحالية
  1. الترتيب 1

    live-SWE-agent + Claude 4.5 Opus medium (20251101)

    UIUC
    النموذج الأساسي
    Claude 4.5 Opus medium (20251101)
    البنية
    live-SWE-agent
    أدلة التشغيل المتكرر
    غير منشور
    تكلفة المعيار المبلغ عنها
    غير منشور
    محلول
    79.2%
    تفاصيل Agent
    مدرج لدى ناشر المعيارالمصدر
  2. الترتيب 1

    Sonar Foundation Agent + Claude 4.5 Opus

    Sonar
    النموذج الأساسي
    Claude 4.5 Opus
    البنية
    Sonar Foundation Agent
    أدلة التشغيل المتكرر
    غير منشور
    تكلفة المعيار المبلغ عنها
    غير منشور
    محلول
    79.2%
    تفاصيل Agent
    مدرج لدى ناشر المعيارالمصدر
  3. الترتيب 3

    TRAE + Doubao-Seed-Code

    ByteDance
    النموذج الأساسي
    Doubao-Seed-Code + Doubao-Seed-1.6
    البنية
    TRAE
    أدلة التشغيل المتكرر
    غير منشور
    تكلفة المعيار المبلغ عنها
    غير منشور
    محلول
    78.8%
    تفاصيل Agent
    مدرج لدى ناشر المعيارالمصدر
  4. الترتيب 4

    live-SWE-agent + Gemini 3 Pro Preview (2025-11-18)

    UIUC
    النموذج الأساسي
    Gemini 3 Pro Preview (2025-11-18)
    البنية
    live-SWE-agent
    أدلة التشغيل المتكرر
    غير منشور
    تكلفة المعيار المبلغ عنها
    غير منشور
    محلول
    77.4%
    تفاصيل Agent
    مدرج لدى ناشر المعيارالمصدر
  5. الترتيب 5

    Atlassian Rovo Dev (2025-09-02)

    Atlassian
    النموذج الأساسي
    Claude Sonnet 4 + GPT-5
    البنية
    Atlassian Rovo Dev
    إصدار القالب الأولي
    2025-09-02
    أدلة التشغيل المتكرر
    غير منشور
    تكلفة المعيار المبلغ عنها
    غير منشور
    محلول
    76.8%
    تفاصيل Agent
    مدرج لدى ناشر المعيارالمصدر
  6. الترتيب 5

    EPAM AI/Run Developer Agent v20250719 + Claude 4 Sonnet

    EPAM Systems
    النموذج الأساسي
    Claude 4 Sonnet
    البنية
    EPAM AI/Run Developer Agent
    إصدار القالب الأولي
    v20250719
    أدلة التشغيل المتكرر
    غير منشور
    تكلفة المعيار المبلغ عنها
    غير منشور
    محلول
    76.8%
    تفاصيل Agent
    مدرج لدى ناشر المعيارالمصدر
  7. الترتيب 5

    mini-SWE-agent + Claude 4.5 Opus (high reasoning)

    SWE-agent
    النموذج الأساسي
    Claude 4.5 Opus (high reasoning)
    البنية
    mini-SWE-agent
    إصدار القالب الأولي
    2.0.0
    أدلة التشغيل المتكرر
    غير منشور
    تكلفة المعيار المبلغ عنها
    ‏376.95 US$
    محلول
    76.8%
    تفاصيل Agent
    مدرج لدى ناشر المعيارالمصدر
  8. الترتيب 8

    ACoder

    ACoder
    النموذج الأساسي
    Claude 4 Sonnet + Claude 4.1 Opus + GPT-5 + Gemini 2.5 Pro
    البنية
    ACoder
    أدلة التشغيل المتكرر
    غير منشور
    تكلفة المعيار المبلغ عنها
    غير منشور
    محلول
    76.4%
    تفاصيل Agent
    مدرج لدى ناشر المعيارالمصدر
  9. الترتيب 9

    mini-SWE-agent + Gemini 3 Flash (high reasoning)

    SWE-agent
    النموذج الأساسي
    Gemini 3 Flash (high reasoning)
    البنية
    mini-SWE-agent
    إصدار القالب الأولي
    2.0.0
    أدلة التشغيل المتكرر
    غير منشور
    تكلفة المعيار المبلغ عنها
    ‏177.98 US$
    محلول
    75.8%
    تفاصيل Agent
    مدرج لدى ناشر المعيارالمصدر
  10. الترتيب 9

    mini-SWE-agent + MiniMax M2.5 (high reasoning)

    SWE-agent
    النموذج الأساسي
    MiniMax M2.5 (high reasoning)
    البنية
    mini-SWE-agent
    إصدار القالب الأولي
    2.0.0
    أدلة التشغيل المتكرر
    غير منشور
    تكلفة المعيار المبلغ عنها
    ‏36.64 US$
    محلول
    75.8%
    تفاصيل Agent
    مدرج لدى ناشر المعيارالمصدر
لمحة عن النتائج
لمحة عن النتائجSWE-bench Verified · نجاح المهمة
  1. الترتيب 1live-SWE-agent + Claude 4.5 Opus medium (20251101)79.2%
  2. الترتيب 1Sonar Foundation Agent + Claude 4.5 Opus79.2%
  3. الترتيب 3TRAE + Doubao-Seed-Code78.8%
  4. الترتيب 4live-SWE-agent + Gemini 3 Pro Preview (2025-11-18)77.4%
  5. الترتيب 5Atlassian Rovo Dev (2025-09-02)76.8%
نتائج منشورةSWE-bench Verifiedمتحقق منه · لوحة الصدارة الكاملة · 500 مهمةأدلة تاريخية
تاريخ بيانات المصدراسترجعها OpenGPTآخر تغيير للترتيبلا يوجد سجل قابل للمقارنة بعدتفحص OpenGPT مصدر الوكيل هذا مرة أسبوعيًا على الأقل.
نتيجة المصدرمحلول
المهام500 · مشكلات GitHub تم التحقق منها بشريًا
مستوى الأدلةتنبيه خارجي
فتح المصدر
ملاحظة الأدلة

احتفظ بهذه النتائج كأدلة تاريخية. فقد أبلغ تدقيق أجرته OpenAI عام 2026 عن مشكلات في التصميم والتلوث ضمن SWE-bench Verified.

فتح التدقيق
بيانات أبلغ عنها المصدر؛ تبقى القيم المفقودة مجهولة.تحقّق قبل الاعتماد

تنشئ التصنيفات العامة قائمة مختصرة. وتحدد تجربة خاصة صغيرة ما إذا كان الإعداد يلائم عملك.

  1. 1

    اختر من 10 إلى 20 مهمة تمثيلية وحدد شرط اجتياز واضحًا.

  2. 2

    ثبّت الوكيل والنموذج والأدوات والأذونات والميزانية قبل الاختبار.

  3. 3

    نفّذ كل مهمة مهمة أكثر من مرة؛ وسجّل النجاح والتكلفة والوقت وحالات تولي الإنسان للمهمة.

  4. 4

    راجع الإخفاقات ومخاطر معالجة البيانات قبل اتخاذ قرار بشأن بيئة الإنتاج.