🏆 Benchmarky spuštěny! Začneme tím, že na všech 500 ověřených problémech SWE-Bench spustíme špičkového agenta. Vzhledem k tomu, že spuštění srovnávacích testů nějakou dobu trvá, vytváříme na našem webu stránku, která bude v příštích několika dnech streamovat výsledky, jakmile budou k dispozici ke kontrole