发生了什么
Ibragim 更新 SWE-rebench(110任务×5，62.7% resolved，70.0% pass@5)
为什么值得关注
这次更新同时给出了更高频的 live benchmark 设计和按价格/任务输出的完整榜单，适合关注代码智能体选型与成本性能比的人直接看原榜单。
信息来源
以下内容来自公开来源，可打开原文继续核验。
01
SWE-rebench 更新
Ibragim (@ibragim_bad) 更新了 live benchmark SWE-rebench 的 3 月到 5 月版本，新增了更多 fresh 和 complex 的 GitHub issue+PR 任务，并对每个 model/scaffold 运行了 110 个任务、每个任务重复 5 次。该基准计划每两个月更新一次任务集，并在模型更新之间穿插更新。最新结果中，GPT-5.5 xhigh 以 62.7% resolved 和 70.0% pass@5 排名第 1；Cursor 搭配 Composer 2.5 被描述为约比 Claude Code 和 Codex 便宜 8 倍，且分数高于 open-weight models。
打开原始来源 ↗