Anthropic 發布 Claude Fable 5，SWE-bench 測試突破 95%
Anthropic 發布了 Claude Fable 5 編碼模型，在 SWE-bench 基準測試中達到 95.0% 的突破性成績。同時，該公司啟動了名為 Claude Science 的內部藥物研發項目，標誌著其業務正向垂直領域深度滲透。
Search
直接匹配不多，已補上最新動態。
Tag: #swe-bench4 results
Qwen Code 在 SWE-bench 冒煙測試取得 100% 分數
Qwen Code v0.21.13 完成了隔離式 DSW EAS 網路與 watchdog 冒煙測試，成功解決唯一的 SWE-bench Verified 案例，取得 100% 分數。Terminal-Bench 2.0 執行雖已完成，但發生基礎設施錯誤，因此結果無法計分。
2026年2月SWE-rebench：Claude以65.3%領先
2026年2月的SWE-rebench排行榜更新包含57個全新GitHub PR任務，Claude Opus 4.6以65.3%的解決率領先。頂尖模型如GPT-5.2-medium（64.4%）、GLM-5和GPT-5.4-medium（均62.8%）競爭激烈。開源模型如Qwen3.5-397B（59.9%）正快速縮小差距。
Qwen Code 完成完整 SWE-bench E2E 驗證
Qwen Code 發布了針對 SWE-bench Verified 的非生產環境完整端到端驗證。此發布事件會在提交至 PG 前，先在 ACR 中準備精確的 Qwen Code 快取。
Codex 正縮小與 Claude Code 的差距
OpenAI 表示 Codex 活躍使用者已突破 2,000 萬，第三方追蹤數據則顯示其近期增速超越 Claude Code。Claude Code 目前規模仍較大且深受開發者採用，但隨著 Anthropic 接近早期市場飽和，其高速成長已經放緩。
🔬
腦機介面助患者重新站立與看見
中國多項臨床試驗正利用腦機介面，協助脊髓損傷患者站立與行走，並讓失明患者恢復有限的視覺感知。試驗結果差異很大，凸顯這項技術的潛力，以及目前在訊號採集、解碼與復健方面的限制。
Alibaba 重組 AI 與雲端業務
據報 Alibaba 正合併電商業務、整合雲端與晶片業務，並將 Qwen 拆分為獨立子公司。報導亦涵蓋 Unitree 計畫登陸科創板、Anthropic 據傳的年化營收，以及 Alibaba 持續投入 AI 對利潤與現金流造成的壓力。
Meta 因具成癮性的平臺設計面臨審判
California 與其他 28 個州指控 Meta 設計 Facebook 和 Instagram 使其具成癮性、違反兒童隱私法，並隱瞞相關做法。檢方將其涉嫌採取的策略概括為「吸引、留住、收集、隱瞞」。
Ox Alpha：神秘模型公開亮相
Ox Alpha 是一款透過 OpenRouter 與 OpenCode 提供的匿名模型，具備 100 萬 token 上下文、圖片與影片輸入、工具呼叫及免費使用等能力。早期測試顯示其推理與程式設計表現強勁，但開發者、參數量、訓練資料與正式基準排名仍未獲確認。
Cloudflare Agent Tracing 新增 Payload 控制功能
Cloudflare 推出 Agent Tracing，支援設定 Payload 截斷限制。不同支援的 Agent 框架在 Payload 預設記錄策略上有所差異，因此開發者在設定可觀測性時需要檢查各框架的個別設定。