一项名为Real-SWE的新基准测试发布，用于衡量前沿AI模型在私有、真实企业代码库中的表现。该基准采用来自实际生产环境的任务，涵盖具有商业影响的复杂工程问题，被测试的企业包括拥有200K+用户的社交平台竞争对手、处理100K+银行账单的消费金融平台，以及企业AI销售平台。