8 个顶尖编程 AI 做从未见过的企业代码，最好的也只解出四成Real-SWE 的完整成绩单，第一次把「SWE-bench 分数」和「真实工程能力」之间的差距量化了出来。 9 月 10 日，Y Combinator 2026 年冬季赛道孵化（实际为 F25 批次）的 Specific Labs 团队发布了编程基准 Real-SWE。它和 SWE-bench 系最大的区别只有一条：所有任务都来自真实公司的私有代码库，模型…2026/09/13编程AI智能体Benchmark软件工程
