共同评测范围 · SWE-bench Verified

同评测Agent对比

历史数据

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。

数据来自公开来源，缺失项保持未知。

SWE-bench Verified · 问题解决率

一眼看懂差异	live-SWE-agent + Gemini 3 Pro Preview (2025-11-18)	live-SWE-agent + Claude 4.5 Opus medium (20251101)
优势	—	公布成绩较高: 79.2%
不足与限制	公布成绩较低: 77.4%	—
能力与费用	基础模型: Gemini 3 Pro Preview (2025-11-18)Agent框架: live-SWE-agent	基础模型: Claude 4.5 Opus medium (20251101)Agent框架: live-SWE-agent
	Agent详情 →	Agent详情 →

完整数据与来源

已隐藏17项完全相同或全部未提供的字段

Agent系统	live-SWE-agent + Gemini 3 Pro Preview (2025-11-18)	live-SWE-agent + Claude 4.5 Opus medium (20251101)
配置
基础模型	Gemini 3 Pro Preview (2025-11-18)	Claude 4.5 Opus medium (20251101)
来源模型ID或名称	gemini-3-pro-preview	claude-opus-4-5-20251101
结果
问题解决率	77.4%	79.2%
可信度
评测日期	2025年11月20日	2025年12月15日
数据来源
打开来源	打开来源 ↗	打开来源 ↗

数据来自公开来源，缺失项保持未知。

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。