Apex-Testing：真实世界、真实仓库的智能编码基准测试（更新）

**Apex-Testing 大更新！** [https://www.apex-testing.org/](https://www.apex-testing.org/) **真实世界智能编码** 基准测试已（95%）更新，包含所有最新模型！该测试基于 65-70 个**真实私有 GitHub 仓库**，专门设计用于测试模型的真实智能编码能力。**如果您是第一次了解这个项目，以下是网站摘录：** "**什么是 APEX Testing？** 每周都会有一款新模型号称“史上最佳”。每个供应商都承诺以极低的成本实现 10 倍性能。基准测试被精心挑选，演示被精心策划，网红被付费推广，而人们仍然不断上当。APEX 的存在是因为我厌倦了这些炒作和刻意的基准优化。模型被放入真实的代码库中，面对真实的 bug 和真实的功能需求，它们必须像开发者一样解决问题。涵盖 8 个类别的 70 项任务，全部基于你在工作中实际会遇到的场景。你可以看到哪些是真正有效的，哪些只是营销。" **当前指标包括：** - 平均成本 - 平均时间 - 基于类别/难度的评分 - 基于 ELO 的排行榜（详见网站） - 模型对比 - 各种指标（详见网站） **仍有部分内容需要跟进，例如：** - Qwen3.7 Max 的测试尚未完成（已完成约 40/70 个仓库任务） - 需要添加 Qwen3.6 本地模型（将在接下来几天以 BF16 完成） - Deepseek v4 pro+flash 的测试尚未完成 - 理想情况下，我还想添加 Qwen3.5 397B BF16（已添加 Q4_K_XL 并完成） 我**很可能**会为此开放某种捐赠渠道，或者如果有人有 OpenRouter 代币可供使用，我将不胜感激。否则，往后我可能只会选择性更新模型（本地模型只要我的 VRAM 能容纳，就一定会添加，这里仅指 API 成本）。请不要将此视为任何形式的压力或要求，仅针对有兴趣且有能力的人。