OpenGPTAI决策智能问题解决率79.2%每次成功成本未公布来源公布的结果范围未公布
Agent详情 →共同评测范围 · SWE-bench Verified
同评测Agent对比
以下配置来自同一个评测范围，并保留各自的框架、模型版本、日期和来源原始值。
来源值较高只代表这个评测和配置下的结果，不是跨评测总分，也不代表已经适合生产使用。
只比较相同范围
决策概览
只有评测版本和任务范围一致的配置，才能加入同一组对比。
问题解决率77.4%每次成功成本未公布来源公布的结果范围未公布
Agent详情 →已隐藏17项完全相同或全部未提供的字段
| Agent系统 | live-SWE-agent + Claude 4.5 Opus medium (20251101) | live-SWE-agent + Gemini 3 Pro Preview (2025-11-18) |
|---|---|---|
| 配置 | ||
| 基础模型 | Claude 4.5 Opus medium (20251101) | Gemini 3 Pro Preview (2025-11-18) |
| 来源模型ID或名称 | claude-opus-4-5-20251101 | gemini-3-pro-preview |
| 结果 | ||
| 问题解决率 | 79.2% | 77.4% |
| 可信度 | ||
| 评测日期 | 2025年12月15日 | 2025年11月20日 |
| 数据来源 | ||
| 打开来源 | 打开来源 ↗ | 打开来源 ↗ |
配置
live-SWE-agent + Claude 4.5 Opus medium (20251101)
- 基础模型
- Claude 4.5 Opus medium (20251101)
- 来源模型ID或名称
- claude-opus-4-5-20251101
live-SWE-agent + Gemini 3 Pro Preview (2025-11-18)
- 基础模型
- Gemini 3 Pro Preview (2025-11-18)
- 来源模型ID或名称
- gemini-3-pro-preview
结果
live-SWE-agent + Claude 4.5 Opus medium (20251101)
- 问题解决率
- 79.2%
live-SWE-agent + Gemini 3 Pro Preview (2025-11-18)
- 问题解决率
- 77.4%
可信度
live-SWE-agent + Claude 4.5 Opus medium (20251101)
- 评测日期
- 2025年12月15日
live-SWE-agent + Gemini 3 Pro Preview (2025-11-18)
- 评测日期
- 2025年11月20日
数据来源
数据来自公开来源，缺失项保持未知。
采用前做一次真实验证
公开榜单用于缩小候选范围，是否适合你的工作，需要通过小规模私有测试确认。
- 1
选择 10–20 个代表性任务，并写清通过条件。
- 2
测试前锁定Agent、模型、工具、权限和预算。
- 3
重要任务重复运行，记录成功率、成本、时间和人工接管。
- 4
检查失败案例和数据风险后，再决定是否正式采用。