DeepSeek 团队发布了专门针对复杂算法与系统级软件工程对齐的 DeepSeek-R1-Code 强化学习权重。在 LiveCodeBench 2026 最新困难题集与 Codeforces 竞赛评测中，该模型取得了 74.2% 的通过率，超越了多数闭源前沿推理模型，并延续了开源权重全量免费商用的策略。
All-Hands AI 正式发布开源自主软件开发智能体 OpenHands 0.18。新版重构了工具调用规划器与沙箱环境感知运行时，引入动态回溯搜索与多智能体审查机制，在权威的 SWE-bench Verified 基准测试上取得了 53.4% 的解决率，刷新了全球完全开源智能体框架的最佳纪录。
阿里通义千问团队开源发布了针对长程软件工程强化的 Qwen2.5-Coder-32B-Instruct 增量权重。通过引入高质量代码执行反馈与多轮合成排错轨迹，该模型在 SWE-bench Verified 上取得了 48.9% 的解决率，刷新了 32B 参数量级开源模型的全球最高纪录，并在单张 RTX 4090 / A10G 上支持长达 128k 上下文推理。
SWE-bench 评测团队联合顶尖研究机构推出了全新的 SWE-bench Pro 基准测试。新基准将测试用例从单纯的 Python 扩展到 Rust、Go、C++ 与 TypeScript 等 5 大工业级系统语言，包含 1,200 个来自顶级开源项目的真实 Issue 修复场景，更真实地衡量 AI 智能体在多语言混合微服务体系中的工程解决能力。
