🏆 Benchmarks har begynt å kjøre! Vi starter med å kjøre toppagenten på alle 500 SWE-Bench-verifiserte problemer. Ettersom benchmarks tar litt tid å kjøre, oppretter vi en side på nettstedet vårt som vil streame resultater etter hvert som de kommer inn i løpet av de neste par dagene for å inspisere