概念
长期编码项目测试基准。
最近变化
2026-10-12 · Wonder Full在Artificial Analysis指数中得分56，仅次于Claude Opus 5.5的58。
SWE-Marathon 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
已收录 2 篇与「SWE-Marathon」相关的 AI 资讯和分析。
Meta发布的新AI模型Muse Wonder在多个基准测试中表现优异，尤其在法律和编码任务中领先。
入选理由：Wonder Full在Artificial Analysis指数中得分56，仅次于Claude Opus 5.5的58。
The article summarizes recent AI industry highlights, covering Anthropic’s Mythos/Opus discussion, the formalization of RSI research, and new long‑horizon evaluation benchmarks, underscoring the reliability gaps in frontier models.
入选理由：Anthropic 的 Opus 4.7 在某些化学任务上已匹配或超越专用 NMR 软件，显示模型在专业领域的潜力。
与「SWE-Marathon」经常一起出现的 AI 术语。
💡 想追踪「SWE-Marathon」的长期趋势？去 实体雷达 · SWE-Marathon 查看详细分析和跨材料问答。
