马斯克首个编码模型上线，编程飙进Top5！这9位华人天团爆肝打造
马斯克首个编码模型上线，编程飙进Top5！这9位华人天团爆肝打造Grok首个编码模型终于来了！从0构建，编程实力超强，直接冲进SWE-bench前五，仅次于OpenAI Codex-1。背后核心团队同时被爆出，华人学者占多半。
来自主题: AI资讯
6519 点击 2025-08-30 11:43
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
Grok首个编码模型终于来了！从0构建，编程实力超强，直接冲进SWE-bench前五，仅次于OpenAI Codex-1。背后核心团队同时被爆出，华人学者占多半。
一直以来，Anthropic 的 Claude 被认为是处理编程任务的最佳模型，尤其是本月初发布的 Claude Opus 4.1，在真实世界编程、智能体以及推理任务上表现出色。其中在软件编程权威基准 SWE-bench Verified 测试中，Claude Opus 4.1 相较于前代 Opus 4 又有提升，尤其在多文件代码重构方面表现出显著进步。
OpenAI在SWE-bench Verified编程测试中仅完成477道题却公布74.9%高分，对比之下，Anthropic的Claude完成全部500题。
别急着用GPT-5编程了，可能它能力没有你想象中那么强。 有人发现，官方测试编程能力用的SWE-bench Verified，但货不对板，只用了477个问题。
当前，大型语言模型（LLM）在软件工程领域的应用日新月异，尤其是在自动修复 Bug 方面，以 SWE-bench 为代表的基准测试展示了 AI 惊人的潜力。然而，软件开发远不止于修 Bug，功能开发与迭代才是日常工作的重头戏。
AI学会像人一样修Bug了！“这个Bug我上周刚修过”“这个报错怎么又来了”“新人怎么又在同一个地方踩坑”……
近日，一项由北京大学、字节跳动 Seed 团队及香港大学联合进行的研究，提出了一种名为「SWE-Swiss」的完整「配方」，旨在高效训练用于解决软件工程问题的 AI 模型。研究团队推出的 32B 参数模型 SWE-Swiss-32B，在权威基准 SWE-bench Verified 上取得了 60.2% 的准确率，在同尺寸级别中达到了新的 SOTA。
只用100行代码，打造最强轻量编程agent。 SWE-bench、SWE-agent原班人马再出手，推出全新开源项目—— mini-SWE-agent。
新晋AI编程冠军DeepSWE来了！仅通过纯强化学习拿下基准测试59%的准确率，凭啥？7大算法细节首次全公开。
Agentless+开源模型，也能高质量完成仓库级代码修复任务，效果媲美业界 SOTA 。