Specific Labs（@janaksunil）发布 Real-SWE：用真实公司私有、分布外生产代码库上的工程任务评测编码智能体（含 20 万+ 用户应用、金融对账、企业销售工具等）。公开榜单（8 次独立运行均值）显示 Claude Fable 5.1 + Claude Code 38.8%、GPT-6 Astra + Codex CLI 33.8%、Gemini 3.8 Flash + Gemini CLI 31.2%，领先者仍未达 40%。站点 realswe.withspecific.com。

核心要点速览

  • ✓任务来自真实公司私有代码库，评测智能体能否在无公开解法的系统上改账单、权限与客户数据等业务逻辑。
  • ✓8 次独立运行均值：Fable 5.1 + Claude Code 38.8%，Astra + Codex CLI 33.8%，Gemini 3.8 Flash + Gemini CLI 31.2%。
  • ✓强调与公开仓库榜单不同：测的是公司会真正部署智能体的私有系统，站点 realswe.withspecific.com。
⚡

开发者 3 秒速决决策指标

一眼结论
🏆 权威跑分段位榜单
8 次独立运行均值：Fable 5.1 + Claude Code 38.8%，Astra + Codex CLI 33.8%，Gemini 3.8 Flash + Gemini CLI 31.2%。
查看天梯总榜→
💰 调用成本与套餐比价
支持主流 API / 订阅
查可用套餐与测算↗
🛠️ 开发与接入生态规则
Claude Code (Anthropic)
配置 IDE 专属规则↗
🧭

Claude Code 高频使用：比较订阅额度与 API 账单

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

⚔️ 模型战力比拼→💰 比较订阅与额度↗
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。

⚔️ 开始双模型比拼→💳 查看可用套餐↗
接着读OpenAI 发布 LifeVal 基准：用 3995 人调查和时间使用研究衡量 AI 帮人办日常事务的能力
立即阅读→