Agenten-Benchmarks

SWE-bench Verified Agenten-Benchmark

OpenGPT hält 10 veröffentlichte Zeilen mit der unten gezeigten exakten Benchmark-Version SWE-bench Verified und Umgebung verknüpft.

Aufgaben: 500
Veröffentlichte Zeilen: 10
Datum der Quelldaten: 10. Aug. 2026
Identität geprüft: Historisch

Nachweisumfang

Verified · Top 10 published configurations · 500 tasks. human-validated GitHub issues. Reproducible repository environments evaluated durch the upstream benchmark. Configuration-specific upstream limits.

How OpenGPT handles this evidence

OpenGPT bewahrt Kennzahl, Aufgabenumfang, Umgebung, Version, Konfigurationsfelder und Quelldatum des Herausgebers. Es erstellt keine Benchmark-übergreifende Agent-Gesamtpunktzahl.

Vergleichsgrenzen

Ein höheres Ergebnis gilt nur für die angezeigte Benchmark-Version und die entsprechenden Bedingungen.
Die Ergebnisse der Agenten spiegeln das Gesamtsystem wider, nicht nur das Basismodell.
Fehlende Daten zu Kosten, Zuverlässigkeit, Sicherheit oder Latenz werden weiterhin als nicht gemeldet ausgewiesen und nicht abgeleitet.
Bewahren Sie diese veröffentlichten Ergebnisse als historische Nachweise auf, nicht als aktuellen universellen Maßstab für Coding-Fähigkeiten. Eine OpenAI-Prüfung von 2026 berichtete über grundlegende Bedenken hinsichtlich Design und Kontamination bei SWE-bench Verified.

Verified · Top 10 published configurations · 500 Aufgaben

10 von 10 veröffentlichten Zeilen werden angezeigt. Jedes Ergebnis bleibt mit dem Quellbenchmark und der Konfiguration verknüpft.