OpenGPTDecisioni sui modelli basate su prove
Cerca⌘K

Configurazione dell’Agent · SWE-bench Verified

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

L’oggetto classificato: modello, scaffold, strumenti, autorizzazioni, budget e ambiente nel loro insieme.

Confronta in questo benchmarkApri la fonte
Risolto76.8%
Costo per attività riuscitaNon pubblicato
Intervallo dei risultati pubblicatiNon pubblicato

01

Configurazione

Sistema Agentmini-SWE-agent + Claude 4.5 Opus (high reasoning)
Modello di baseClaude 4.5 Opus (high reasoning)
ID o etichetta del modello della fonteclaude-4-5-opus
Scaffoldmini-SWE-agent
Versione dello scaffold2.0.0
StrumentiMinimal repository shell
AmbienteAmbienti di repository riproducibili valutati da SWE-bench
BudgetI limiti variano in base alla configurazione inviata

02

Esito

Risolto76.8%
Punteggio parzialeNon pubblicato
Costo per attività riuscitaNon pubblicato
Costo di benchmark indicato376,95 USD
Tempo mediano di completamentoNon pubblicato
Intervento umanoNon pubblicato

03

Operazione

Evidenze delle esecuzioni ripetuteNon pubblicato
Intervallo dei risultati pubblicatiNon pubblicato
Nota sulla sicurezzaNon pubblicato
Gruppo di comparabilitàswe-bench-verified-full-500
Data della valutazione
Dati acquisiti

04

Attendibilità

EvidenzeElencato dal publisher del benchmark
FonteSWE-bench Verified
Istantanea della fonteVerificato · Classifica completa · 500 attività
Data dei dati della fonte
Recuperato da OpenGPT
Ultima modifica della classificaAncora nessuna cronologia comparabile
Ultimo controllo
Attività500 issue GitHub convalidate da persone
Livello delle evidenzeAvvertenza esterna
Nota sulle evidenze

Conserva questi risultati come evidenze Storiche. Un audit di OpenAI del 2026 ha segnalato problemi di progettazione e contaminazione in SWE-bench Verified.

Apri l’audit ↗

Cosa non dimostra questo risultato

Questo risultato si applica alle condizioni esatte del sistema e della fonte qui indicate. Non stabilisce quale sia il miglior agente in assoluto, né l’affidabilità in produzione, la governance dei dati o le prestazioni su una versione diversa del benchmark.

Confronta elementi omogenei

Soltanto configurazioni della stessa versione del benchmark e dello stesso ambito di attività possono essere inserite in un unico confronto.

mini-SWE-agent + Gemini 3 Flash (high reasoning)75.8% · Gemini 3 Flash (high reasoning)mini-SWE-agent + MiniMax M2.5 (high reasoning)75.8% · MiniMax M2.5 (high reasoning)

Dati riportati dalla fonte; i valori mancanti rimangono sconosciuti.

Convalida prima dell’adozione

Le classifiche pubbliche creano una rosa di candidati. Una piccola prova privata determina se la configurazione è adatta al tuo lavoro.

  1. 1

    Scegli 10–20 attività rappresentative e definisci una chiara condizione di superamento.

  2. 2

    Fissa Agent, modello, strumenti, autorizzazioni e budget prima del test.

  3. 3

    Esegui più volte ogni attività importante; registra esito positivo, costo, tempo e interventi umani.

  4. 4

    Esamina gli errori e i rischi legati alla gestione dei dati prima di una decisione per la produzione.

← Directory e valutazioni degli Agent