PhaseoPhaseo
मॉडलचैटतुलना करेंऐप्सरैंकिंग

सार्वजनिक डेटा को सही रखने में मदद करें

कुछ गायब, गलत या पुराना दिख रहा है? इस पेज के बारे में हमें बताएँ।

PhaseoPhaseo
स्थिति जांची जा रही हैस्थिति जांची जा रही हैस्थिति पृष्ठ पर जाएँ
घटक-स्तरीय स्थिति उपलब्ध नहीं है।

खोजें

  • मॉडल
  • चैट
  • प्रदाता
  • ऐप्स
  • रैंकिंग
  • टूल

संसाधन

  • तुलना करें
  • माइग्रेशन गाइड
  • कार्यप्रणाली
  • ब्लॉग

समुदाय

  • Discord
  • GitHub
  • LinkedIn
  • Reddit
  • X

बनाएँ

  • दस्तावेज़
  • API संदर्भ
  • त्वरित शुरुआत
  • SDKs

कंपनी

  • हमारे बारे में
  • विश्वास केंद्र
  • मिशन
  • मूल्य निर्धारण
  • इसके साथ काम करता है
  • आभार
  • सहायता
  • गोपनीयता
  • शर्तें

खोजें

  • मॉडल
  • चैट
  • प्रदाता
  • ऐप्स
  • रैंकिंग
  • टूल

बनाएँ

  • दस्तावेज़
  • API संदर्भ
  • त्वरित शुरुआत
  • SDKs

संसाधन

  • तुलना करें
  • माइग्रेशन गाइड
  • कार्यप्रणाली
  • ब्लॉग

कंपनी

  • हमारे बारे में
  • विश्वास केंद्र
  • मिशन
  • मूल्य निर्धारण
  • इसके साथ काम करता है
  • आभार
  • सहायता
  • गोपनीयता
  • शर्तें

समुदाय

  • Discord
  • GitHub
  • LinkedIn
  • Reddit
  • X

© 2025 • Phaseo

भाषा बदलें: हिन्दी
  • English (UK)
  • 简体中文
  • हिन्दी
  • Español (España)
  • Français (France)
  • Deutsch (Deutschland)
  • Português (Brasil)
  • 日本語
  • العربية

सहायता:समस्या·सहायता

Phaseo के लिए सहायता चाहिए?समस्या दर्ज करेंयासहायता से संपर्क करें

SWE-Bench

SWE-Bench

AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन

प्रकार: percentageCode
बेंचमार्क का स्रोत देखें

दर्ज परिणाम

148

औसत स्कोर

59.84%

स्कोर सीमा

8.70% - 96%

अग्रणी मॉडल

96% - Claude Opus 5
समय के साथ स्कोर

तारीख के अनुसार दिखाए गए अलग-अलग बेंचमार्क स्कोर।

मॉडल परिणाम

संगठनमॉडलरिपोर्ट किया गयासबसे ऊँचा स्कोरजानकारीस्व-रिपोर्ट किया गयास्रोत
AnthropicAnthropic
Anthropic
Claude Opus 524 जुल॰ 202696%SWE-bench Verified; adaptive thinking at max effort; default sampling settings; average of 5 trialsहाँस्रोत
AnthropicAnthropic
Anthropic
Claude Mythos Preview07 अप्रैल 202693.90%Verifiedहाँस्रोत
AnthropicAnthropic
Anthropic
Claude Opus 4.828 मई 202688.60%SWE-bench Verified; max effort; avg 5 trialsहाँस्रोत
AnthropicAnthropic
Anthropic
Claude Opus 4.716 अप्रैल 202687.60%Verifiedहाँस्रोत
AnthropicAnthropic
Anthropic
Claude Sonnet 530 जून 202685.20%SWE-bench Verified; standard configuration; average over five trialsहाँस्रोत
AnthropicAnthropic
Anthropic
Claude Opus 4.524 नव॰ 202580.90%Avg@5, 64k Thinkingहाँस्रोत
ReflectionReflection
Reflection
Beam05 अक्टू॰ 202680.90%Reflection-reported launch score. Source row: SWEBench Verified. Accessed 2026-10-05T22:51:12.456Z. Harness, reasoning effort, sampling and trial count are not specified per row. Not independently reproduced.हाँस्रोत
AnthropicAnthropic
Anthropic
Claude Opus 4.605 फ़र॰ 202680.80%Verifiedहाँस्रोत
DeepSeek
DeepSeek
DeepSeek V4 Pro24 अप्रैल 202680.60%SWE Verified; resolved; DeepSeek-V4-Pro Maxहाँस्रोत
Google
Google
Gemini 3.1 Pro Preview19 फ़र॰ 202680.60%Single Attemptहाँ-
Qwen
Qwen
Qwen 3.7 Max21 मई 202680.40%SWE-Verified; internal agent scaffoldहाँस्रोत
MiniMax
MiniMax
MiniMax M2.512 फ़र॰ 202680.20%-हाँस्रोत
OpenAIOpenAI
OpenAI
GPT 5.211 दिस॰ 202580%-हाँस्रोत
OpenAIOpenAI
OpenAI
GPT 5.2 Chat11 दिस॰ 202580%inferred alias from gpt-5.2-2025-12-11हाँस्रोत
AnthropicAnthropic
Anthropic
Claude Sonnet 4.617 फ़र॰ 202679.60%Verifiedहाँस्रोत
DeepSeek
DeepSeek
DeepSeek V4 Flash24 अप्रैल 202679%SWE Verified; resolved; DeepSeek-V4-Flash Maxहाँस्रोत
Qwen
Qwen
Qwen 3.6 Plus01 अप्रैल 202678.80%-हाँस्रोत
Google
Google
Gemini 3 Flash Preview17 दिस॰ 202578%-हाँस्रोत
Xiaomi
Xiaomi
MiMo V2 Pro18 मार्च 202678%-हाँस्रोत
Xiaomi
Xiaomi
MiMo V2 TTS (Free)18 मार्च 202678%inferred modality/version alias from mimo-v2-proहाँस्रोत
z.AIz.AI
z.AI
GLM 511 फ़र॰ 202677.80%-हाँस्रोत
Mistral
Mistral
Mistral Medium 3.529 अप्रैल 202677.60%Verifiedहाँस्रोत
Meta
Meta
Muse Spark08 अप्रैल 202677.40%Verifiedहाँस्रोत
MoonshotMoonshot
Moonshot
Kimi K2.527 जन॰ 202676.80%-हाँस्रोत
ByteDance
ByteDance
Seed 2.0 Pro14 फ़र॰ 202676.50%-हाँस्रोत
समस्या की रिपोर्ट करें
साइन अप करें