🏆 Бенчмарки начали запускаться! Мы начинаем с запуска топового агента на всех 500 проверенных задачах SWE-Bench. Поскольку выполнение бенчмарков занимает некоторое время, мы создаем страницу на нашем сайте, которая будет транслировать результаты по мере их поступления в течение следующих нескольких дней для проверки.