Claude Opus 4.7: Anthropic возглавляет SWE-bench Pro с результатом 64.3%
Claude Opus 4.7: новый король SWE-bench Pro Anthropic выпустила Claude Opus 4.7 — флагманскую модель, которая выходит вперёд на самых требовательных бенчмарках программирования. Результат 64.3% на SWE-bench Pro делает её сильнейшей моделью для решения реальных инженерных задач из открытых репозиториев. Что такое SWE-bench Pro SWE-bench Pro — это расширенная версия известного бенчмарка SWE-bench, где модели должны самостоятельно решать настоящие issues из GitHub-проектов: читать код, понимать архитектуру, писать патчи, запускать тесты и итерироваться. В отличие от синтетических тестов, здесь нет «правильного ответа» — есть только зелёные тесты или красные. ...