DeepSWE基准一夜两换榜首：Gemini刚登顶，Meta Spark 1.3即报75.4%

DeepSWE基准测试在数小时内经历两次榜首更迭。Google发布的Gemini 3.8 Flash版本在DeepSWE v1.1上取得73.7%的成绩，官方榜以74%±1%显示，排名超过Claude Opus 5和GPT-5.6 Sol。但仅几小时后，Meta公布Muse Spark 1.3，在同一套测试中跑出75.4%，将公开成绩拉升1.7个百分点。

DeepSWE测试要求AI Agent独立处理113个真实代码库中的长周期软件工程任务，模拟开发者实际工作场景。Google和Meta均使用mini-swe-agent框架，Google采用high推理档，Meta则运行max档。Meta上一代Spark 1.2成绩为55.0%，最新版本直接提升20.4个百分点。

不过，Meta的75.4%成绩目前尚未被列入DeepSWE官方榜单。在Artificial Analysis的Coding Agent Index中，限量预览的Spark 1.3 max获得68分，仅次于Claude Opus 5 xhigh；公开可用的xhigh版本得分为64分。