الموديلات الصينية احتلت أربع مراكز في العشرة الأوائل في اختبار SWE-rebench هذه المرة، بعد أن تعرضت للسخرية في المرة السابقة بسبب "التلاعب بالنتائج".

وفقًا لمراقبة 1M AI News، فإن SWE-rebench هو اختبار مرجعي حي يُستخلص شهريًا من GitHub لمهام هندسة البرمجيات الجديدة (issues + PRs)، ولا يمكن للنموذج تحسين أدائه مسبقًا بناءً على الموضوع. قام المشرف إبراغيم بنشر تحديث التصنيف في 23 مارس، حيث ألغى العروض التوضيحية السابقة وقيود العمليات التي تتطلب 80 خطوة، وأضاف مهام تقييم مساعدة جديدة.

أعلى العشرة تصنيفات حديثًا:

1. Claude Opus 4.6: 65.3%
2. GPT-5.2 medium: 64.4%
3. GLM-5: 62.8%
4. GPT-5.4 medium: 62.8%
5. Gemini 3.1 Pro Preview: 62.3%
6. DeepSeek-V3.2: 60.9%
7. Claude Sonnet 4.6: 60.7%
8. Claude Sonnet 4.5: 60.0%
9. Qwen3.5-397B-A17B: 59.9%
10. Step-3.5-Flash: 59.6%

يحتل النموذج المفتوح المصدر من Z.ai، وهو GLM-5 (بترخيص MIT)، المركز الثالث بنسبة 62.8%، وهو أعلى نموذج مفتوح المصدر في التصنيف. تمثل النماذج الصينية أربعة من العشرة الأوائل، بالإضافة إلى GLM-5، هناك DeepSeek-V3.2 (المركز السادس)، Qwen3.5-397B-A17B (المركز التاسع)، وStep-3.5-Flash (المركز العاشر). علق لي زوكسوان، المسؤول العالمي عن Z.ai، قائلاً إن النماذج الصينية كانت جميعها خارج العشرة الأوائل في التحديث السابق لـ SWE-rebench، وتعرضت للانتقاد بـ"benchmaxing" (تحقيق درجات عالية بشكل مصطنع).