Real-SWE 基准测试发布：基于真实企业私有代码库评估 AI 模型

OmniTools 9月13日消息，Real-SWE 基准测试正式发布，旨在评估前沿 AI 模型在真实企业私有代码库中的实际表现。该基准每个任务均源自真实公司的生产代码库，覆盖工程师日常面对的典型问题，保留完整上下文与技术复杂性。

Real-SWE 强调使用原生工具链进行评测，以更贴近企业开发环境，其评估对象是“模型+工具链”的协同能力，而非孤立模型本身。