APEX-SWE 评估前沿 AI 系统能否完成具有经济价值的真实软件工程工作，包含 200 个 Integration 与 Observability 案例，使用人工编写的 rubric 和单元测试评估功能、稳健性与代码质量。
查看 APEX-SWE 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
SpaceXAI 于 2026-08-12 发布 Grok 4.6 时报告 APEX-SWE 成绩为 56.4%。
