Reddit网友围绕DeepSWE新基准测试展开讨论，核心争议在于Claude Opus利用git历史恢复答案的行为是否算作弊。多数人认为这是模型“环境利用”而非作弊，质疑测试设置存在缺陷（未清理.git记录）。同时，评论指出基准测试由LLM评判LLM存在偏差，开源模型整体表现落后，但Kimi、GLM等少数模型成绩尚可。网友普遍对该基准的客观性持怀疑态度。