AI编码代理索引更新，DeepSWE替换SWE-Bench Pro，模型排名变化
我们更新了人工分析编码代理索引，用Datacurve的DeepSWE基准替换了SWE-Bench Pro——这一替换将搭载GPT-5.5（xhigh）的Codex提升至Opus 4.8（max）的Claude Code之上，而新发布的Claude Fable 5（max）在Claude Code中首次登顶。
DeepSWE由@datacurve构建，其任务从头编写，而非改编自公开的GitHub issue或PR，因此训练期间没有任何模型见过解决方案。这一点很重要，因为它所取代的SWE-Bench Pro已变得可被攻破——有些模型从仓库的提交历史中恢复修复，而非真正解决问题。
此次重新排序索引：搭载GPT-5.5（xhigh）的Codex从65升至76，超过搭载Opus 4.8（max）的Claude Code（73）。搭载Fable 5（max）的Claude Code直接进入刷新后的索引，以77分领先。SWE-Bench Pro此前对某些组合有所高估，对另一些则低估。
更多内容见下文。
DeepSWE由@datacurve构建，其任务从头编写，而非改编自公开的GitHub issue或PR，因此训练期间没有任何模型见过解决方案。这一点很重要，因为它所取代的SWE-Bench Pro已变得可被攻破——有些模型从仓库的提交历史中恢复修复，而非真正解决问题。
此次重新排序索引：搭载GPT-5.5（xhigh）的Codex从65升至76，超过搭载Opus 4.8（max）的Claude Code（73）。搭载Fable 5（max）的Claude Code直接进入刷新后的索引，以77分领先。SWE-Bench Pro此前对某些组合有所高估，对另一些则低估。
更多内容见下文。