Artykuły według tagu: swe-bench

GLM-5.1 prowadzi na SWE-Bench Pro: 58,4%

GLM-5.1 od Z.ai przewyższa GPT-5.4 i Claude na SWE-Bench Pro. Zbudowała Linux pulpit w 8 godzin, x6 na VectorDBBench. Wagi na HuggingFace. Testujcie dla zadań long-running.

Qwen3.6-Plus: programowanie agentowe i multimodalność

Qwen3.6-Plus od Alibaba przewyższa konkurentów w kodowaniu na SWE-bench, obsługuje 1M tokenów i multimodalność. Dostęp API, benchmarki, integracje — dla deweloperów. Zapoznaj się z szczegółami.

Degradacja Claude Code: reasoning depth -73%

Analiza 6852 sesji Claude Code: spadek głębokości myślenia o 73%, wzrost kosztów ×122, ślepe poprawki 33%. Workaround i metryki dla middle/senior dev. Sprawdźcie na swoich zadaniach.

14 benchmarków LLM: analiza i krytyka

Szczegółowa analiza SWE-bench, Terminal-Bench, τ² i innych testów dla LLM. Poznaj słabości i relewantność dla zadań dev. Wybierz model świadomie.