概念
长期编码项目测试基准。
已跟踪 2 条高相关材料
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。
为什么值得关注
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。
NEW: Meta released Muse Wonder (codenamed Watermelon), its new family of AI models, with scores that...
The Rundown AI(@TheRundownAI) · 8.5 分
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。
[AINews] not much happened today
Latent Space · 6.3 分
本文主要梳理了近期 AI 领域的热点动态，包括 Anthropic 的 Mythos/Opus 讨论、RSI 研究的正式化、以及新型长周期评测基准的出现，强调前沿模型在可靠性与长周期任务上的不足。
已收录 2 条与 SWE-Marathon 相关的内容，按评分排序。
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。
本文主要梳理了近期 AI 领域的热点动态，包括 Anthropic 的 Mythos/Opus 讨论、RSI 研究的正式化、以及新型长周期评测基准的出现，强调前沿模型在可靠性与长周期任务上的不足。
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。
