本番レベルのソフトウェアエンジニアリング能力を測る「DeepSWE」ベンチマーク。ワークホースモデルのなかで「3.7 Flash」はタスク当たりのコストが安く、コストパフォーマンスに優れるのがわかる

本番レベルのソフトウェアエンジニアリング能力を測る「DeepSWE」ベンチマーク。ワークホースモデルのなかで「3.7 Flash」はタスク当たりのコストが安く、コストパフォーマンスに優れるのがわかる