AI Agent 公司 Einsia 发布 SWE Refactor Bench，用于评测 Coding Agent 是否能独立完成整个代码库迁移。基准涵盖 20 个来自 SQLite、zlib、libsodium、GraphHopper 等真实项目的任务，8 个前沿模型共进行 520 次运行。结果显示，虽然有 340 次完成迁移、88 次通过预设测试，但最终仅 28 次完全过关，通过率 5.4%；20 个任务中有 13 个无人完成。