小模型写、大模型审：SWE-bench Pro Hard 与 DeepSWE 上的研发大师实验
研发大师Ultra（便宜的 DeepSeek 写代码、GPT-6.1 Sol 审查）在 DeepSWE 上通过 80.4%，显著好于 DeepSeek flash，也高于 Sol 6.1、GPT Sol 6.1 Max 和 Opus 5.5 medium（不显著）；附顾问模式、实验细节、复现方法和全部脚本。
Tag: pair-programming
2 posts with this tag
2 posts with this tag