OpenGPTAI决策智能Agent配置 · SWE-bench Verified
mini-SWE-agent + MiniMax M2.5 (high reasoning)
榜单评估的完整对象，包括模型、框架、工具、权限、预算与运行环境。
问题解决率75.8%
每次成功成本未公布
来源公布的结果范围未公布
01
配置
Agent系统mini-SWE-agent + MiniMax M2.5 (high reasoning)
基础模型MiniMax M2.5 (high reasoning)
来源模型ID或名称minimax-m2.5
Agent框架mini-SWE-agent
Agent框架版本2.0.0
工具Minimal repository shell
运行环境由SWE-bench评估的可复现代码仓库环境
预算上限取决于各提交配置
02
结果
问题解决率75.8%
部分完成分未公布
每次成功成本未公布
来源公布的评测总成本US$36.64
完成时间中位数未公布
人工介入率未公布
03
运行情况
重复运行证据未公布
来源公布的结果范围未公布
安全提示未公布
可比组swe-bench-verified-full-500
评测日期
数据获取日期
04
可信度
证据状态已列入基准官方榜单
数据来源SWE-bench Verified
数据快照Verified · 完整Agent榜单 · 500 个任务
来源数据日
OpenGPT获取时间
排名最后变化暂无可比历史
最近核查
任务数500 经人工核验的GitHub问题
证据等级存在外部审计提示
证据说明
这些结果作为历史证据保留。OpenAI在 2026 年的审计中指出SWE-bench Verified存在设计和数据污染风险。
审计说明 ↗这项结果不能说明什么
结果只适用于这里显示的完整系统和来源条件。它不能证明存在万能Agent，也不能证明生产可靠性、数据治理或其他评测版本的表现。
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。