DeepSWE
查看详情DeepSWE: Long-Horizon Software Engineering Benchmark
DeepSWE 是 Datacurve 推出的长程软件工程基准,包含 113 个原创任务,覆盖 91 个活跃开源仓库和 TypeScript、Go、Python、JavaScript、Rust 五种语言,强调多文件修改、行为正确性和更低污染风险。【版本口径】本条目统一记录 DeepSWE v1.1(Datacurve 官方榜单于 2026-08-13 更新的现行版本)的成绩。厂商自行公布的分数若标注为 DeepSWE 1.0,请勿录入本条目——同一模型两个版本差异可达 8 个百分点以上(如 Grok 4.5:v1.0 为 62.0、v1.1 为 53.0)。录入前请以 https://deepswe.datacurve.ai/ 的现行榜单为准。