Claw-SWE-Bench 评测报告

Claw-SWE-Bench 评测报告

TokenRhythm Technologies 等联合发布 Claw-SWE-Bench 基准，使用 350 条 GitHub Issue（8 种语言、43 个仓库）统一评测代码生成 harness，结果显示仅更换 harness 成功率可从 19% 提升至 73%，不同 harness 间成功率差异最高 27 点，模型差异导致成本相差最高 170 倍，且提供 80 任务 Lite 版成本约为完整版的 23%。