AI 评测与排行榜，分别告诉你什么
分清评测基准、一次评测运行与排行榜，用它们回答各自适合的问题。
LLM Stats
SWE-Lancer (IC-Diamond subset)
SWE-Lancer (IC-Diamond subset) is a benchmark of real-world freelance software engineering tasks from Upwork, ranging from $50 bug fixes to $32,000 feature implementations. It evaluates AI models on independent engineering tasks using end-to-end tests triple-verified by experienced software engineers, and includes managerial tasks where models choose between technical implementation proposals.
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 6
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 |
|---|---|---|---|---|---|
| GPT-5 | 1.0 | 未收录 | 未收录 | 2025-08-07 · model_announcement | LLM Stats |
| GPT-5.3 Codex | 0.814 | 未收录 | 未收录 | 2026-02-05 · model_announcement | LLM Stats |
| GPT-5.2 | 0.746 | 未收录 | 未收录 | 2025-12-11 · model_announcement | LLM Stats |
| GPT-4.5 | 0.174 | 未收录 | 未收录 | 2025-02-27 · model_announcement | LLM Stats |
| GPT-4o | 0.124 | 未收录 | 未收录 | 2024-08-06 · model_announcement | LLM Stats |
| o3-mini | 0.074 | 未收录 | 未收录 | 2025-01-30 · model_announcement | LLM Stats |