DeepSWE
DeepSWE — открытый программирующий агент, обученный командой Agentica совместно с Together AI поверх модели Qwen3 исключительно методами обучения с подкреплением на реальных задачах разработки. Это модель-агент, а не бенчмарк; её качество измеряют на наборах вроде SWE-bench Verified, а код, данные и рецепт обучения опубликованы.
проверено по: together.ai ↗
См. также
- SWE-bench VerifiedSWE-bench Verified — вариант бенчмарка SWE-bench, набор реальных задач из открытых репозиториев GitHub, отобранных и проверенных людьми на корректность и решаемость. Модель или агент должны по описанию проблемы внести правку в код так, чтобы прошли соответствующие тесты; этот набор используется как основной ориентир при сравнении ИИ-программистов.
- Together AIАмериканская компания, основанная в 2022 году. Она предоставляет облачную платформу для запуска, дообучения и обучения генеративных моделей, прежде всего открытых. Разработчики получают через неё доступ к моделям по API и к кластерам GPU; компания также занимается оптимизацией вычислений на GPU.
- Обучение с подкреплениемОдин из основных подходов машинного обучения (reinforcement learning, RL): агент действует в среде, получает за результат числовую награду и учится выбирать действия, которые приносят наибольшую награду. В отличие от обучения с учителем, правильных ответов ему заранее не показывают — он учится методом проб и ошибок. У языковых моделей это отдельный этап после предобучения, на котором развиваются рассуждения и агентные навыки.
- Агент для программированияАгент для программирования (coding agent) — ИИ-инструмент, который не ограничивается подсказкой следующих строк кода, а самостоятельно читает проект, редактирует файлы, запускает команды и тесты и исправляет ошибки, пока задача не будет выполнена. Примеры — Claude Code, OpenAI Codex, Cursor и подобные системы; от автодополнения их отличает работа циклом с обратной связью от среды.
В новостях
Модель Gemini 4 Argon от Google сначала получат специалисты по киберзащите
Бенчмарк компании Datacurve из длинных задач по разработке в открытых проектах. Задачи написаны с нуля, а решения не публикуются, чтобы они не попали в обучающие данные моделей.
OpenAI выпустила модель GPT-6.1 Sol, близкую к флагманской GPT-6 Astra, но впятеро дешевле
Бенчмарк компании Datacurve для агентов-программистов. Задачи в нём долгие и взяты из реальных открытых проектов, но написаны с нуля, чтобы модели не могли встретить их при обучении.
OpenAI выпустила модели GPT-6 Sol и Luna вдвое дешевле прежних
Бенчмарк компании Datacurve для агентов-программистов: долгие задачи в настоящих открытых репозиториях, написанные с нуля, чтобы модель не могла встретить готовое решение при обучении.