PhaseoPhaseo
ModelosChatCompararAplicacionesClasificaciones

Ayuda a mantener correctos los datos públicos

¿Ves algo que falta, es incorrecto o está desactualizado? Cuéntanoslo sobre esta página.

PhaseoPhaseo
Comprobando el estadoComprobando el estadoVisitar la página de estado
El estado por componente no está disponible.

Explorar

  • Modelos
  • Chat
  • Proveedores
  • Aplicaciones
  • Clasificaciones
  • Herramientas

Recursos

  • Comparar
  • Guías de migración
  • Metodología
  • Blog

Comunidad

  • Discord
  • GitHub
  • LinkedIn
  • Reddit
  • X

Desarrollar

  • Documentación
  • Referencia de la API
  • Inicio rápido
  • SDK

Empresa

  • Acerca de
  • Centro de confianza
  • Misión
  • Precios
  • Compatible con
  • Agradecimientos
  • Soporte
  • Privacidad
  • Términos

Explorar

  • Modelos
  • Chat
  • Proveedores
  • Aplicaciones
  • Clasificaciones
  • Herramientas

Desarrollar

  • Documentación
  • Referencia de la API
  • Inicio rápido
  • SDK

Recursos

  • Comparar
  • Guías de migración
  • Metodología
  • Blog

Empresa

  • Acerca de
  • Centro de confianza
  • Misión
  • Precios
  • Compatible con
  • Agradecimientos
  • Soporte
  • Privacidad
  • Términos

Comunidad

  • Discord
  • GitHub
  • LinkedIn
  • Reddit
  • X

© 2025 • Phaseo

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

Ayuda:Problema·Soporte

¿Necesitas ayuda con Phaseo?Abrir un problemaocontactar con soporte

SWE-Bench

SWE-Bench

Resultados de evaluaciones comparativas de IA y rendimiento de modelos

Tipo: percentageCode
Ver la fuente de la evaluación

Resultados registrados

148

Puntuación media

59.84%

Rango de puntuaciones

8.70% - 96%

Modelo líder

96% - Claude Opus 5
Puntuaciones a lo largo del tiempo

Puntuaciones individuales de la evaluación a lo largo del tiempo.

Resultados de modelos

OrganizaciónModelosFecha del resultadoMejor puntuaciónInformaciónAutodeclaradoFuente
AnthropicAnthropic
Anthropic
Claude Opus 524 jul 202696 %SWE-bench Verified; adaptive thinking at max effort; default sampling settings; average of 5 trialsSíFuente
AnthropicAnthropic
Anthropic
Claude Mythos Preview07 abr 202693,90 %VerifiedSíFuente
AnthropicAnthropic
Anthropic
Claude Opus 4.828 may 202688,60 %SWE-bench Verified; max effort; avg 5 trialsSíFuente
AnthropicAnthropic
Anthropic
Claude Opus 4.716 abr 202687,60 %VerifiedSíFuente
AnthropicAnthropic
Anthropic
Claude Sonnet 530 jun 202685,20 %SWE-bench Verified; standard configuration; average over five trialsSíFuente
AnthropicAnthropic
Anthropic
Claude Opus 4.524 nov 202580,90 %Avg@5, 64k ThinkingSíFuente
ReflectionReflection
Reflection
Beam05 oct 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.SíFuente
AnthropicAnthropic
Anthropic
Claude Opus 4.605 feb 202680,80 %VerifiedSíFuente
DeepSeek
DeepSeek
DeepSeek V4 Pro24 abr 202680,60 %SWE Verified; resolved; DeepSeek-V4-Pro MaxSíFuente
Google
Google
Gemini 3.1 Pro Preview19 feb 202680,60 %Single AttemptSí-
Qwen
Qwen
Qwen 3.7 Max21 may 202680,40 %SWE-Verified; internal agent scaffoldSíFuente
MiniMax
MiniMax
MiniMax M2.512 feb 202680,20 %-SíFuente
OpenAIOpenAI
OpenAI
GPT 5.211 dic 202580 %-SíFuente
OpenAIOpenAI
OpenAI
GPT 5.2 Chat11 dic 202580 %inferred alias from gpt-5.2-2025-12-11SíFuente
AnthropicAnthropic
Anthropic
Claude Sonnet 4.617 feb 202679,60 %VerifiedSíFuente
DeepSeek
DeepSeek
DeepSeek V4 Flash24 abr 202679 %SWE Verified; resolved; DeepSeek-V4-Flash MaxSíFuente
Qwen
Qwen
Qwen 3.6 Plus01 abr 202678,80 %-SíFuente
Google
Google
Gemini 3 Flash Preview17 dic 202578 %-SíFuente
Xiaomi
Xiaomi
MiMo V2 Pro18 mar 202678 %-SíFuente
Xiaomi
Xiaomi
MiMo V2 TTS (Free)18 mar 202678 %inferred modality/version alias from mimo-v2-proSíFuente
z.AIz.AI
z.AI
GLM 511 feb 202677,80 %-SíFuente
Mistral
Mistral
Mistral Medium 3.529 abr 202677,60 %VerifiedSíFuente
Meta
Meta
Muse Spark08 abr 202677,40 %VerifiedSíFuente
MoonshotMoonshot
Moonshot
Kimi K2.527 ene 202676,80 %-SíFuente
ByteDance
ByteDance
Seed 2.0 Pro14 feb 202676,50 %-SíFuente
Informar de un problema
Registrarse