#swe-benchmarks

AI 程式設計智慧體在企業私有程式碼庫上的真實通過率:公開榜 70%+,真到自己程式碼裡只剩 16–39%

前沿模型在公開基準 SWE-bench Verified 上能拿 70%+,但一旦放進從未公開的真實企業生產程式碼庫,最高只解出 38.8% 的任務(Real-SWE),SWE-bench Pro 上約 23%。差距不在模型強弱,而在私有上下文。本文用具名基準和真實通過率對比表拆解這道落差,並給出企業讓 AI 在自己程式碼庫裡真正幹活的路徑。