（来源：上观新闻）
这个测🇲🇿💍试模拟🇯🇲⛽真实的软件👄开发环境，要☘⚪求模型能够理解🚼💾代码库、定位错🀄误、修复漏🇸🇹洞并通过测试🚡。Tok🎠👨🎨en价😿格：是最重要🎳🤤的指标，因为它🇬🇫🎺是公司对🛰自身产品🏤🥨市场定🔱🚆位的实时表达🧵。1. 为什么这👯🚾次“稳了”？ 修🎟复密度极高🔌：3.22 的核💋心问题是插件系🤳统重构导致大量🙍🤗兼容性断裂🦖。
软件工程能力🙊测试中，模型在🚙SWE 💅Verified🎑测试中获得了50👨👩👧.2分🏅👠。而且他👵🧑们放着人🇬🇸家现成的、😮高度优〰🌞化的 C🇨🇻👂++ 🏴😾开源代🛍🥺码不用，非要用T❗urb🇯🇪oQuant 论😳🇨🇲文二作自己半吊子🥾翻译的 P🇴🇲🐘ython 版本🇺🇸去跑，给高博士💡的算法又叠了🍥🧳一层debuff🇰🇳👓。久尺创始人胡建🎪🧩强毕业🇬🇱于北京大学👺🤙计算机科学系，曾💉就职于微软、阿里🔞🚎巴巴、YY等公司🎱。
特别值得🆔一提的🎲😻是，在一些极🤲7️⃣其困难的✌↔编程题目上，⬇🦀模型展现📍💨出了超越预期💱的能力🇸🇬❓。而这场“再战🇦🇴三年”🇦🇬浪潮的另一🎼边，欧盟正🇵🇬在用制度为📟消费者铺👨👧👧👩👦路🧨🐺。以前10个人做5️⃣©1集短剧要1个🦖🤩月，现在1个人用💇AI一天能搞⚗📹定一部🙋🏬短剧的量🔗🇲🇾。紧接着，🆒🇩🇴就有开🚲🌸发者发现一🎲🧂个问题： 这个🇧🇲中国模型的😡名字怎么有📂点眼熟？它似乎出🀄现在硅🇦🇷👔谷自研的前📩沿模型 🐺Compose📅r 2的底🔴🔺层代码里🐮🤫。
