メインコンテンツへスキップ

#SWEbench

関連タグ

105件

人気の記事一覧

Resolved 87.5%:Claude Opus 5 だけが通した1問と、9実行すべてが落ちた2問

Abyss を v1.3.23 まで進めた。swe-bench のDeepSeek V4 Flashの生成が毎秒100トークンを超え、60問では1問105〜115トークンが中心になった

ScaleMASとは?AIエージェントは「増やせば賢くなる」のか|共有する4体が独立した8体に並んだ理由を解説

AIにソフトウェアのバグを500問修正させてみた。自作AI基盤との比較実験で見えたこと

Quality 100点なのにスコアは0:自作ベンチ「llmbench」の点数の読み方を全部書く swe-bench風ベンチマークソフトの解説

「Sakana Fugu」をローカル LLM だけで再現したlocal-fuguを作ってSWE-bench を回したらハーネスごと壊れた話

自作SWE-benchをL7まで拡張して、ローカルLLMの「使えるライン」を一枚に引き直した話

自作SWE-benchに「天井破り」の20問を足したら、ベンチ作りの本番は較正だと思い知った話

特化モデルの「使える」をどう測るか——オラクルの有無で能力を並べ替える swe-bench

【完全解説】GPT-5.6の全貌!次世代AI「Sol / Terra / Luna」への進化と、人間超えの「暗黙知」と「メタ認知」を解説

「AIで仕事を創る時代」と書いてから225日。楽観論の賞味期限について考えた話

Claude Fable 5でコードを書く椅子が静かに減り始める

月500ドルのDevinは、なぜ失敗しても止まらないのか

ローカルで動く27B、本当に使えるのか — Jackrong「Qwopus-3.6-27B-Coder」を量子化4種で実機評価してみた

隠す米国、ばら撒く中国。翌日に解禁された「GLM-5.2」と、1円の価値もなくなった知能を統治する設計図。

急に GPT-5.5 が登場!何がすごいのか速報解説

デイリーAI検索備忘録(2026/8/7号)

AIエージェントは本当に使えるのか?APEX Benchmarkが示す75%失敗率の教訓

【緊急解説】新型Claude「Fable 5」「Mythos 5」突如発表!異次元のコーディング能力と、牙を剥く「課金地獄」の舞台裏

Opus 4.8とFable 5の差は、難しい坂道で顔を出す

PwC が公開した「生成AIの将来技術動向 2026年」を読み解きます

【速報】Anthropic が「Claude Fable 5」を一般公開──Mythos 級が史上初の誰でも使える AI に、SWE-Bench Pro 80.3% で Opus 4.8 と GPT-5.5 を圧倒、Stripe で5,000万行 Ruby を1日移行

Claude Fable 5 が急にリリース!いち早く概要・特長をキャッチアップ

AIの出来を「数字」で言う方法~LLM評価(eval)の基本設計~

【速報】Ornith-1.0登場──エージェント型コーディング特化のオープンソースLLM。35Bが397Bを上回り、9Bはエッジで動く。全モデルMITライセンス

【完全解説】Claude Opus 4.7 降臨|SWE-bench 87.6%の衝撃と、Anthropicが"最強の座"を奪還した方法

#8 AnthropicがOpenAIを評価額で上回った日、Claudeは「4倍正直」になっていた

【2026年9月最新】ChatGPT最新モデルを抜いた?新AI「Claude Opus 5.5」をわかりやすく図解付きで徹底解説|料金は約5分の1という衝撃!

約30億パラメータ+価値モデルでSWE-bench 73%――Microsoftが示す「巨大モデルだけがAIエージェントではない」

AIが1ヶ月で脆弱性1万件超を発見した衝撃|「絶対公開しない」から「数週間以内に解禁」へ大転換したClaude Mythosの正体と、Samsung・NATO・日本まで巻き込む防衛同盟の全貌【2026年6月最新】

AI産業の優位点が、地味に変化してきている

科学ソフト修正は公開テストだけで測れない——SWE-bench Scienceは最高Pass@1 47.90%を報告、現行artifactに不一致

【2026年5月28日発表】Claude Opus 4.8徹底解説|Fast mode2.5倍速・Dynamic Workflows・据え置き価格まで全新機能を初心者向けに解説

[2026年2月版] AIは本物のバグを直せるのか? 「SWE-bench」を知らないとAIコーディングツールの選定で失敗する

MiniMax M2.5をClaude Codeで試したら日本語が壊滅的だった話😱~ベンチマーク最強でも現実は甘くない

月12ドルのAIが、月200ドルのAIに勝ち始めています ― 中国「GLM」という名前を、そろそろ覚えておいたほうがいい

物差し作った本人が「これ壊れてました」って言い出す瞬間、一番信用しちゃうのなんなの

正答率80.3%の衝撃 アンソロピック「ミュトス5」はなぜ公開3日で禁輸され、即日で消えたのか

Claude Opus 4.7初日、AIエージェントが自分のモデル切替を8つ観察した記録

なぜ一流ライターとエンジニアはChatGPTよりClaudeを選ぶのか|月$20で生産性3倍化|Opus 4.7・Sonnet 4.6・Haiku 4.5完全攻略【2026年4月最新】

全LLMが0点を取ったベンチマーク。ProgramBenchが問う「本当のAIコーディング能力」とは

Laguna XS 2.1 解説:ローカル向けエージェントコーディングモデルがマルチリンガル性能と端末タスクを強化

【2026/6/13衝撃速報】無料で使える!100万トークンのAIコーディング革命「GLM-5.2」が来週ついにオープンソース化

【GitHubオープンソース】MoneyPrinterTurbo 徹底解説 — 台本・素材・音声・字幕・BGMをAIが全自動で組み上げる、TikTok・Youtube・Threads・Instagramリールのショート動画製造機 GPT-5.5 Claude Code OpenClaw Antigravity 2.0 Codex Obsidian Cursor Windsurf Hermes Agent Cowork Mythos Skills NVIDIA Agent Skill オーケストレーション

【開発者、震撼】コーディング能力で世界1位を叩き出した✨『Claude Sonnet 4.5』がヤバすぎる。SWE-BenchでGPT-4oを抜き去った驚異の実力と、私たちの開発がどう変わるのかを徹底解説🔥

OpenHuman の教科書 — あなたを「先に読む」デスクトップ AI を、AI執事、AI彼女、AI彼氏、自分の分身を家に飼う日 GPT-5.5 Claude Code OpenClaw Antigravity Codex Obsidian Cursor Windsurf Hermes Agent Cowork Mythos Skills NVIDIA Agent Skill オーケストレーション

【2026年6月最新】Claude Fable 5完全解説|Mythos初公開・SWE-bench 80.3%・料金・使い方まとめ

ChatGPT Images 2.0プロンプト集 コピペで簡単! GPT Image 2×Codex imagegenとClaudeCodeでAI画像生成をする方法まで徹底解説 【完全保存版】Claude Design GPT-5.5 Claude Code OpenClaw Antigravity Codex Obsidian Cursor Windsurf Cowork Mythos ハーネスエンジニアリング

¥9,800

生成AIトレンドレポート|OpenAI新エージェント【Workspace Agents】 / 12時間自律稼働するエージェント群【Kimi K2.6】 / 落合陽一のローカルAI【vibe-local】 など一挙告知をニュース形式でまとめ【04/20〜04/26】