SWE-bench Verified Deixa de Ser Métrica de Codificação de Frontier

O SWE-bench Verified não mede mais de forma confiável o progresso em codificação de frontier. Isso se deve a falhas nos testes de muitas tarefas, que rejeitavam correções corretas, e à contaminação do benchmark, que transformou a exposição durante o treinamento em um fator significativo para as pontuações.