RecodeX 重构消息，DeepSWE基准测试发布最新大模型排名，该测试衡量模型在真实软件工程任务中的平均pass@1得分，即能否实际修复漏洞而非仅描述方案。当前前十名中，OpenAI占据七席：GPT-5.6 Sol（max）以69分居首，GPT-5.6 Sol（xHigh）和Terra（max）均获67分，Claude Fable 5（max）66分，GPT-5.6 Sol（High）65分，GPT-5.5（xHigh）与Kimi K3并列64分。榜首与第十名仅差6分，GPT-5.6 Sol在中等推理强度下与Kimi K3及GPT-5.5 xHigh同分。Kimi K3是前十中唯一非美国模型，且与成本高出数倍的模型处于同一区间。此外，榜首69分存在标注：Artificial Analysis指出该端点自基准测试以来内容安全过滤率较高。