AI EVALUATION, IN CONTEXT.BY EQUALITY MACHINE

LLM Stats

SWE-bench Verified (Agentless)

A human-validated subset of SWE-bench that evaluates language models' ability to resolve real-world GitHub issues using an agentless approach. The benchmark tests models on software engineering problems requiring understanding and coordinating changes across multiple functions, classes, and files simultaneously.

评测信息与证据

来源
LLM Stats
发布者
未收录
评测发布日期
未收录
采集日期
2026-08-17
模态
text

本站保留来源报告的结果,不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期;不同运行条件不能直接合并为统一排名。

原始资料

报告成绩 2

按来源中的观察顺序展示,顺序不代表排名。日期保留原始精度。

模型数值单位协议报告日期与口径来源
Kimi K2 Instruct0.518未收录未收录2025-07-11 · model_announcementLLM Stats
MiMo-V2.5-Pro0.357未收录未收录2026-04-27 · model_announcementLLM Stats