SWE-Marathon 是面向超长周期软件工程智能体的评测基准，包含 20 个跨软件工程及相关技术领域的多小时任务，考察持续规划、长上下文理解、记忆、自我验证和复杂环境执行能力，并使用多层验证与对抗审查降低捷径解和奖励劫持的影响。
查看 SWE-Marathon 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 2026-07-08 发布 Grok 4.5 时报告其 resolution rate (pass@1) 为 29.0%。
