真实的指标在系统卡中隐藏。是的，你可以在 Django 上过拟合并获得 SWE-bench 认证。但最近有来自 @scale_AI 的 SWE-bench Pro，opus 得到了 52%。下一个最佳的 sonet 4.5 仅为 43.6，而非人类模型 GPT-5 则为 36%。 这对现实世界的任务来说是巨大的。 @_sholtodouglas 已经做出了贡献 💀💀

哭泣的儿子，他们在电视上羞辱他😭😭😭