SWE-rebench 是全新的测试基准，选择最近一个月 GitHub 的真实 PR 任务，让大模型去跑。 因为测试任务是变动的，没法提前准备，所以排名相对真实。 最新榜单的前10名全是美国模型，国产模型的得分跟 Opus 4.5 相当，不过优点是便宜，最低价格仅为榜首模型的3%。