연구진은 SWE-Bench Verified에서 모델별로 해결하는 작업 세트가 다르다는 점을 발견했어요. Mixture-of-Models 아키텍처를 구축하여 모델 간 상호 보완적인 강점을 활용하여 단일 모델보다 높은 성능(75.6%)을 달성했어요. 리더보드 평균은 모델 간 상호 보완적인 강점을 숨기며, Mixture-of-Models 아키텍처는 더 높은 성능 한계를 보여줄 수 있어요.