SWE Bench Multilingual
Resultados de evaluaciones comparativas de IA y rendimiento de modelos
Tipo: percentageCode
Resultados registrados
35
Puntuación media
67.61%
Rango de puntuaciones
39.33% - 89.50%
Modelo líder
89.50% - Claude Opus 5
Puntuaciones a lo largo del tiempo
Puntuaciones individuales de la evaluación a lo largo del tiempo.
Resultados de modelos
| Organización | Modelos | Fecha del resultado | Mejor puntuación | Información | Autodeclarado | Fuente |
|---|---|---|---|---|---|---|
| Claude Opus 5 | 24 jul 2026 | 89,50 % | 300 problems across 9 programming languages; adaptive thinking at max effort; average of 5 trials | Sí | Fuente | |
| Claude Mythos Preview | 07 abr 2026 | 87,30 % | - | Sí | Fuente | |
| Claude Opus 4.7 | 16 abr 2026 | 80,50 % | - | Sí | Fuente | |
| Laguna S 2.1 | 21 jul 2026 | 78,50 % | mean pass@1 | Sí | Fuente | |
| Qwen 3.7 Max | 21 may 2026 | 78,30 % | Internal agent scaffold | Sí | Fuente | |
| Claude Sonnet 5 | 30 jun 2026 | 78,30 % | SWE-bench Multilingual; standard configuration; average over five trials | Sí | Fuente | |
| Beam | 05 oct 2026 | 78 % | Reflection-reported launch score. Source row: SWEBench Multilingual. Accessed 2026-10-05T22:51:12.456Z. Harness, reasoning effort, sampling and trial count are not specified per row. Not independently reproduced. | Sí | Fuente | |
| Claude Opus 4.6 | 05 feb 2026 | 77,83 % | - | Sí | Fuente | |
| MiniMax M2.7 | 18 mar 2026 | 76,50 % | - | Sí | Fuente | |
| Claude Opus 4.5 | 24 nov 2025 | 76,20 % | Avg@5 | Sí | Fuente | |
| Claude Sonnet 4.6 | 17 feb 2026 | 75,90 % | - | Sí | Fuente | |
| Qwen 3.6 Plus | 01 abr 2026 | 73,80 % | - | Sí | Fuente | |
| Kimi K2.5 | 27 ene 2026 | 73 % | - | Sí | Fuente | |
| MiniMax M2.1 | 23 dic 2025 | 72,50 % | Outperforms Claude Sonnet 4.5 (68%) and DeepSeek V3.2 (70.2%) | Sí | Fuente | |
| Seed 2.0 Pro | 14 feb 2026 | 71,70 % | Seed2 official benchmark table | SWE Multilingual | Sí | Fuente | |
| MiMo V2 Flash | 16 dic 2025 | 71,70 % | - | Sí | Fuente | |
| MiMo V2 Pro | 18 mar 2026 | 71,70 % | - | Sí | Fuente | |
| MiMo V2 TTS (Free) | 18 mar 2026 | 71,70 % | inferred modality/version alias from mimo-v2-pro | Sí | Fuente | |
| Qwen 3.5 397B A17B | 16 feb 2026 | 69,30 % | - | Sí | Fuente | |
| GLM 4.7 | 22 dic 2025 | 66,70 % | - | Sí | Fuente | |
| Seed 2.0 Lite | 14 feb 2026 | 64,40 % | Seed2 official benchmark table | SWE Multilingual | Sí | Fuente | |
| Laguna XS 2.1 | 02 jul 2026 | 63,10 % | mean pass@1 | Sí | Fuente | |
| Kimi K2 Thinking | 06 nov 2025 | 61,10 % | inferred alias from kimi-k2-thinking-0905 | Sí | Fuente | |
| DeepSeek OCR 2 | - | 57,90 % | inferred family alias from deepseek-v3.2-exp (score=0.3809; benches=14) | Sí | Fuente | |
| DeepSeek V3.2 Exp | 29 sept 2025 | 57,90 % | - | Sí | Fuente |
