DeepSWE 基准测试更新：新增 GLM 5.2 及其他模型最新结果
DeepSWE 基准测试已更新，新增了对 GLM 5.2 模型的支持，并同步更新了其他模型的评测结果。此次更新为软件工程领域的模型性能评估提供了更全面的数据参考。
背景速读
- DeepSWE 是一个用于评估 AI 编程助手（如 Cursor、Copilot 等）在真实软件工程任务中表现的新兴基准测试。它要求 AI 自主理解 GitHub Issue、修改代码库并通过测试。
- GLM 5.2 是由智谱 AI（Zhipu AI）开发的最新大语言模型。该模型在中国 AI 领域具有代表性，近期在多模态和代码生成能力上有所突破。
- 该基准测试的更新表明，不同 AI 模型在解决实际编程问题上的能力正在快速迭代。对于关注 AI 编程工具选型或评估模型实际工程能力的开发者来说，这类排行榜是重要参考。
- 此前 DeepSWE 的排行榜已被业内广泛引用，以衡量各模型在“无人工干预”条件下完成代码修改任务的能力。