Meta, Stanford, Harvard и UW представили SWE-sweep — лидерборд для AI-агентов, которые ищут скрытые баги в кодовой базе до столкновения с ними пользователей. Главное: • Sol (Anthropic) лидирует, но Luna xhigh набирает ~47% его очков • Стоимость Luna при этом — ничтожная доля от Sol • Опубликованы статья, репозиторий и лидерборд Как именно формировался скрытый набор багов и насколько он полон — не уточняется. Что это значит: фокус смещается с реактивного исправления багов на проактивный поиск. Luna xhigh показывает, что это уже можно делать дёшево.