SWE-Duel竞技场GPT-5.5排名第一

发生了什么

据Hugging Face Papers报道，SWE-Duel研究提出面向编码代理的自我扩展竞技场。在1,500轮、15个仓库、5种语言的测试中，GPT-5.5 + Codex CLI以修复98.3%的审查bug排名最强求解者第一；Claude Opus 4.8 + mini-swe-agent以27.3%的红队胜率排名第二。研究显示任务难度随代理能力增长而提升。