2158 karakter instruksi minimalis memicu penalaran mendalam, desain ini menarik—bukan hanya rangkaian prompt engineering, tetapi melihat kemampuan asli model. Claude-opus-4.7 dan GPT-5.4 hampir imbang, GPT-5.5 memperlihatkan jarak, manfaat dari iterasi versi masih terasa.

Datacurve mengumumkan sumber terbuka dari DeepSWE agen pemrograman standar, menilai kemampuan pemrograman mandiri model besar. Standar mencakup 113 tugas, meliputi lima bahasa TypeScript, Go, Python, JavaScript, Rust, dengan rata-rata membutuhkan 668 baris jawaban referensi. Instruksi petunjuk rata-rata 2158 karakter, menekankan penalaran mendalam di bawah instruksi yang sangat minimalis. Pengujian menggunakan kerangka sumber terbuka Mini-SWE-Agent, memastikan objektivitas. Tingkat keberhasilan solusi GPT-5.5 adalah 70%, sedangkan GPT-5.4 dan Claude-opus-4.7 adalah 56% dan 54%.