官方 SWE-bench 团队发布了 SWE-agent Multimodal。新版本为智能体赋予了图像识别与完整无头网页浏览器控制能力，专门用于调试和修复复杂的前端 UI 渲染 Bug。该架构不仅可作为 SWE-bench Multimodal 评测标准，也可直接作为前端开发者的日常自动化调试工具。
核心要点速览
- ✓将软件工程 Agent 的评测与实操从纯文本 Issue 扩展到带有交互界面的复杂前端任务。
- ✓内置浏览器沙箱允许智能体自主查看页面渲染效果、模拟用户点击并审查控制台报错。
- ✓完全开源于 GitHub，同一套运行时既可用于学术标准跑分，也可作为开发辅助插件。
⚡
一眼结论开发者 3 秒速决决策指标
🧭
把技术选型换算成你的开发预算
40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟
实战指南准备好将技术转化为生产力？
即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
接着读微软研究院与 UC Berkeley 开源 TokenEconomizer：不改 Agent，让 Claude Code、Codex 在 SWE-Bench 上成本降 18.4%–30.9%
立即阅读→
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察