#swe-benchmarks

AI 编程智能体在企业私有代码库上的真实通过率:公开榜 70%+,真到自己代码里只剩 16–39%

前沿模型在公开基准 SWE-bench Verified 上能拿 70%+,但一旦放进从未公开的真实企业生产代码库,最高只解出 38.8% 的任务(Real-SWE),SWE-bench Pro 上约 23%。差距不在模型强弱,而在私有上下文。本文用具名基准和真实通过率对比表拆解这道落差,并给出企业让 AI 在自己代码库里真正干活的路径。