Các agens mã hóa AI như Claude Code hoặc Codex tìm đúng tệp nhưng bỏ qua hầu hết các dòng quan trọng trong đó. Bảng kiểm SWE-Explore mới là bảng đầu tiên kiểm tra việc tìm kiếm mã riêng biệt khỏi việc sửa chữa thực tế…
Các mô hình mới thiết lập lại giới hạn về năng lực và hiệu suất giá cả. Các nhóm đánh giá lại những gì cần xây dựng bất cứ khi nào đợt ra mắt thay đổi số tiền có thể có trên mỗi đô la.
Các bản tóm tắt chỉ được tổng hợp để cung cấp thông tin - hãy nhấp vào liên kết nguồn để xem toàn bộ câu chuyện. Các mục demo có tính minh họa.