Artikel nach Tag: swe-bench

GLM-5.1 führt auf SWE-Bench Pro: 58.4%

GLM-5.1 von Z.ai übertrifft GPT-5.4 und Claude auf SWE-Bench Pro. Linux-Desktop in 8 Stunden zusammengesetzt, x6 auf VectorDBBench. Weights auf HuggingFace. Test für langlaufende Aufgaben.

Qwen3.6-Plus: agentische Programmierung und Multimodalität

Qwen3.6-Plus von Alibaba übertrifft Konkurrenten bei der Codierung auf SWE-bench, unterstützt 1M Tokens und Multimodalität. API-Zugriff, Benchmarks, Integrationen — für Entwickler. Details erkunden.

Degradierung Claude Code: Denktiefe -73%

Analyse von 6852 Claude Code-Sitzungen: Rückgang der Denktiefe um 73 %, Kostenerhöhung ×122, blinde Bearbeitungen 33 %. Workaround und Metriken für Middle-/Senior-Dev. Überprüfen Sie Ihre eigenen Aufgaben.

14 LLM-Benchmarks: Analyse und Kritik

Detaillierte Analyse von SWE-bench, Terminal-Bench, τ² und anderen Tests für LLM. Erfahren Sie Schwächen und Relevanz für Dev-Aufgaben. Wählen Sie ein Modell bewusst.