SWE-Marathon
AssessKỹ thuật
Bộ benchmark lập trình dùng để đánh giá năng lực kỹ nghệ phần mềm và tác nhân lập trình.
Vì sao ở đây
Xếp vào Assess: 1 bài bằng chứng từ 1 nguồn, chủ yếu là phát hành mô hình, 1 bài trong 30 ngày qua. Độ tin cậy 24%. Bằng chứng còn ít nên xếp thận trọng, chờ thêm tín hiệu.
Bằng chứng (1)
- 7The New Stack·16/10/2026model_releaseMuse Wonder của Meta thu hẹp khoảng cách với Claude Fable 5.1
Meta đã ra mắt Muse Wonder, một dòng mô hình mới hướng đến các tác vụ tác nhân cá nhân và chuyên nghiệp, với bản Full chỉ उपलब्ध trong Muse Code ở các gói cao cấp. Trong các bài thử đối đầu với Claude Fable 5.1 của Anthropic, Muse Wonder cho kết quả đan xen: bám sát hoặc tương đương ở một số bài toán tác nhân và ghi nhớ, nhưng Fable vẫn mạnh hơn ở bài sửa lỗi và thường dùng ít token hơn.