目前vibe coding人最有参考意义榜单
软件开发过程中,代码编写与逻辑架构的复杂性常导致开发者精力透支,尤其是中大型项目的运行维护对代码质量要求极高。针对这一痛点,SWE Atlas评估测试于今年5月完整上线,旨在通过系统化的评测标准,衡量大模型在处理复杂代码库时的实际表现。该评测由三个核心排行榜组成,分别聚焦于分析与多文件推理理解、测试编写能力以及代码重构能力。
01核心榜单表现
在SWE Atlas的重构能力评测中,各主流大模型展现了不同的技术实力。该榜单主要评估Agent在保持代码行为一致的前提下进行结构重组的能力。根据公布的性能对比数据,Claude Code的Opus-4.7版本以48.57的得分位居榜首,显示出其在代码重构任务上的强劲优势。GPT系列模型表现同样稳健,Gpt-5.5与Gpt-5.4分别以44.79和44.29的得分紧随其后。
| 排名 | 模型名称 | 评测得分 |
|---|---|---|
| 1 | Opus-4.7 (Claude Code) | 48.57 |
| 2 | Gpt-5.5 (Codex) | 44.79 |
| 3 | Gpt-5.4 (Codex) | 44.29 |
| 4 | Gpt-5.3 (Codex) | 42.38 |
| 5 | Opus-4.6 (Claude Code) | 35.58 |
| 6 | Gemini-3.1-Pro (Gemini CLI) | 33.81 |
SWE Atlas 重构能力评测头部模型数据
02国产模型入榜情况
国产大模型在此次评测中亦有显著表现,GLM-5与Kimi-K2.5成功进入榜单。数据显示,GLM-5在Mini-SWE-Agent框架下获得了24.24的得分,而Kimi-K2.5则以20.95的得分紧随其后。这一成绩反映了国产模型在理解与重构复杂代码库方面的能力正在逐步提升。相比之下,MiniMax-M2.5及Gemini-3-Flash等模型在此次评测中得分较低,分别位列榜单靠后位置。
| 模型名称 | 评测环境 | 评测得分 |
|---|---|---|
| GLM-5 | Mini-SWE-Agent | 24.24 |
| Kimi-K2.5 | Mini-SWE-Agent | 20.95 |
| MiniMax-M2.5 | Mini-SWE-Agent | 19.52 |
| Gemini-3-Flash | Mini-SWE-Agent | 10.00 |
国产及其他模型评测数据详情
当前文章无评论,是时候发表评论了