Материал түпнұсқа тілінде: English.
Why we no longer evaluate SWE-bench Verified
SWE-bench Verified is increasingly contaminated and mismeasures frontier coding progress. Our analysis shows flawed tests and training leakage. We recommend SWE-bench Pro.
2026 ж. 23 ақпан · Дереккөз: OpenAI news
Толық мәтін дереккөзде қолжетімді.