返回工具目录

S

Resource detail

SWE-bench

以真实 GitHub issue 评测模型编程能力的基准。

全球免费开源

访问官网更多类似资源

选型速览

swe-bench

价格模式

免费

访问方式

免登录

支持平台

Web

支持中文

否

最近核对

2026-08-29

热门指数

78/100

标签

代码评测基准测试榜单

适合人群

开发者研究者

更新信息

更新于 2026-08-29

热门指数 78/100

典型用途

编程模型选型Agent 能力评估

相似工具与替代品

按相近用途整理

Aider LLM Leaderboards

Aider 的代码编辑排行榜，贴近真实开发任务。

全球免费开源+3

更新于 2026-08-29

LMArena

通过真实用户投票对比 LLM 输出质量的公开评测平台。

全球免费模型对比+2

更新于 2026-08-29

Artificial Analysis

独立的模型与 API 性能分析站：质量、速度、价格。

全球免费性能分析+2

更新于 2026-08-29

LiveBench

题目持续更新的防污染基准测试，结果更可信。

全球免费开源+3

更新于 2026-08-29

OpenCompass 司南

上海 AI 实验室的开源评测体系，中文榜单权威。

国内免费开源+2

更新于 2026-08-29

SuperCLUE

中文大模型综合测评基准，按月发布榜单。

国内免费中文评测+2

更新于 2026-08-29