OpenGPTAI決策智慧問題解決率79.2%每次成功成本未公布來源公布的結果範圍未公布
Agent詳情 →共同評測範圍 · SWE-bench Verified
同評測Agent比較
以下配置來自同一個評測範圍，並保留各自的框架、模型版本、日期與來源原始值。
來源值較高只代表此評測與配置下的結果，不是跨評測總分，也不代表已適合正式使用。
只比較相同範圍
決策概覽
只有評測版本與工作範圍一致的配置，才能加入同一組比較。
問題解決率77.4%每次成功成本未公布來源公布的結果範圍未公布
Agent詳情 →已隱藏17項完全相同或全部未提供的欄位
| Agent系統 | live-SWE-agent + Claude 4.5 Opus medium (20251101) | live-SWE-agent + Gemini 3 Pro Preview (2025-11-18) |
|---|---|---|
| 配置 | ||
| 基礎模型 | Claude 4.5 Opus medium (20251101) | Gemini 3 Pro Preview (2025-11-18) |
| 來源模型ID或名稱 | claude-opus-4-5-20251101 | gemini-3-pro-preview |
| 結果 | ||
| 問題解決率 | 79.2% | 77.4% |
| 可信度 | ||
| 評測日期 | 2025年12月15日 | 2025年11月20日 |
| 資料來源 | ||
| 開啟來源 | 開啟來源 ↗ | 開啟來源 ↗ |
配置
live-SWE-agent + Claude 4.5 Opus medium (20251101)
- 基礎模型
- Claude 4.5 Opus medium (20251101)
- 來源模型ID或名稱
- claude-opus-4-5-20251101
live-SWE-agent + Gemini 3 Pro Preview (2025-11-18)
- 基礎模型
- Gemini 3 Pro Preview (2025-11-18)
- 來源模型ID或名稱
- gemini-3-pro-preview
結果
live-SWE-agent + Claude 4.5 Opus medium (20251101)
- 問題解決率
- 79.2%
live-SWE-agent + Gemini 3 Pro Preview (2025-11-18)
- 問題解決率
- 77.4%
可信度
live-SWE-agent + Claude 4.5 Opus medium (20251101)
- 評測日期
- 2025年12月15日
live-SWE-agent + Gemini 3 Pro Preview (2025-11-18)
- 評測日期
- 2025年11月20日
資料來源
資料來自公開來源，缺少項目保持未知。
採用前做一次真實驗證
公開榜單用於縮小候選範圍，是否適合你的工作，需要透過小規模私有測試確認。
- 1
選擇 10–20 個代表性工作，並寫清通過條件。
- 2
測試前鎖定Agent、模型、工具、權限與預算。
- 3
重要工作重複執行，記錄成功率、成本、時間與人工接管。
- 4
檢查失敗案例與資料風險後，再決定是否正式採用。