幣界網消息，SWE-bench團隊發布新基準ProgramBench，評測9個前沿AI模型在重建真實軟體的任務中，完全通過率為0%。該基準由meta AI研究團隊聯合斯坦福、哈佛發布，任務要求AI agent僅憑一個編譯好的二進制文件和使用文件，從零架構並實現完整程式碼庫，復現原程序行為。基準包含200個任務，覆蓋小型CLI工具到大型專案，測試結果顯示，主指標「完全通過」無一達標，claude opus 4.7在輔助指標「幾乎通過」上以3%領先，其餘模型均為0%。