AI 编程榜：AI 编程实战任务
SWE-bench Multilingual 这榜我最近翻得最多，它测九种语言、三百个真实 issue。Claude Mythos 5 拿 92.2% 排第一，确实猛，可它是闭源，我们这种带客户数据的内部系统根本不敢把代码往外发。往下看，阿里 Qwen3-Coder-Next 是榜上最强的开源，SWE-bench Verified 70.6%，腾讯 Hy3 在多语言榜也有 75.8%。我跟团队纠结了快一周到底用哪个。BenchLM 给的七月编程分里，Claude 系包揽前五，Kimi K3 77.4 排第五，但那都是按闭源 API 算的，我们一算账就皱眉：每百万 token 几块到几十块不等，一天几百次调用，月底账单能买半台服务器。最后我们定了混合打法，简单重构和单测用本地跑的开源模型，重推理、跨文件的大活才走闭源 API。这个选择老实说有点妥协，毕竟开源在难任务上确实会掉档，可数据不出机房这条红线，比那十几个点的分数更让我睡得着。排名是别人的战场，选型是自己的账本。你们团队卡在闭源能力和数据合规之间时，怎么取舍的？大家评论区聊聊。
发布于 福建
分享
评论
赞
未登录
友善发言
评论
加载中
