NVIDIA 发 SWE-Serve：约 1/3 通过测试的 AI 补丁上真实服务链路就翻车

9 月 23 日，NVIDIA 官方博客发布 SWE-Serve 基准：从 SGLang 已合并的 83 个 PR 中提炼 53 个推理工程任务，覆盖模型接入、解码、缓存、调度、服务 API 与分布式执行六族；其中 19 个任务要求起真实服务器，补丁必须走完整服务链路才算通过。

核心数字：同样的补丁，完整校验下通过率 45.9%，去掉在线服务校验则升至 69.4%——约三分之一的补丁在本地测试全绿、上了真实服务就失效。跨运行时域的任务（同时碰请求处理、调度、模型执行与 KV 缓存）通过率再低 21.3 个百分点，且所有被测模型无一幸免。11 个模型闭卷跑 mini-swe-agent，pass@1 分布在 34.6% 到 75.5%。

它改变了什么：编码智能体的评测重心第一次从「能不能改对代码」转向「改的代码能不能在生产推理栈上跑」，本地测试与真实服务之间的缝被量化了。边界：任务全部来自 SGLang 一个项目，结论外推到其他推理框架前要打折扣。

原文链接：NVIDIA 官方博客