SWE Bench Pro
Resultados de evaluaciones comparativas de IA y rendimiento de modelos
Tipo: percentage
Resultados registrados
40
Puntuación media
58.65%
Rango de puntuaciones
46% - 80.30%
Modelo líder
80.30% - Claude Fable 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 Fable 5 | 09 jun 2026 | 80,30 % | Higher of Mythos 5 / Fable 5 in Anthropic's launch table | Sí | Fuente | |
| Claude Mythos 5 | 09 jun 2026 | 80,30 % | Higher of Mythos 5 / Fable 5 in Anthropic's launch table | Sí | Fuente | |
| Claude Opus 5 | 24 jul 2026 | 79,20 % | Adaptive thinking at max effort; default sampling settings; average of 5 trials | Sí | Fuente | |
| Claude Mythos Preview | 07 abr 2026 | 77,80 % | - | Sí | Fuente | |
| Fugu Ultra | 22 jun 2026 | 73,70 % | Sakana Fugu product page benchmark table. | Sí | Fuente | |
| Claude Opus 4.8 | 28 may 2026 | 69,20 % | Max effort; avg 5 trials | Sí | Fuente | |
| Claude Opus 4.7 | 16 abr 2026 | 64,30 % | - | Sí | Fuente | |
| Claude Sonnet 5 | 30 jun 2026 | 63,20 % | SWE-bench Pro; standard configuration; average over five trials | Sí | Fuente | |
| Qwen 3.8 27B | 14 ago 2026 | 61,70 % | - | Sí | Fuente | |
| Muse Spark 1.1 | 09 jul 2026 | 61,50 % | Diverse software engineering | Sí | Fuente | |
| Qwen 3.7 Max | 21 may 2026 | 60,60 % | SWE-Pro; refined benchmark; internal agent scaffold | Sí | Fuente | |
| Laguna S 2.1 | 21 jul 2026 | 59,40 % | public dataset mean pass@1 | Sí | Fuente | |
| MiniMax M3 | 01 jun 2026 | 59 % | - | Sí | Fuente | |
| Fugu | 22 jun 2026 | 59 % | Sakana Fugu product page benchmark table. | Sí | Fuente | |
| GPT 5.5 | 23 abr 2026 | 58,60 % | Public | Sí | Fuente | |
| GLM 5.1 | 07 abr 2026 | 58,40 % | - | Sí | Fuente | |
| GPT 5 Pro | 07 ago 2025 | 57,70 % | inferred family alias from gpt-5.4 (score=0.4083; benches=19) | Sí | Fuente | |
| GPT 5 Search API | 14 oct 2025 | 57,70 % | inferred family alias from gpt-5.4 (score=0.3050; benches=19) | Sí | Fuente | |
| GPT 5.4 | 05 mar 2026 | 57,70 % | Public | Sí | Fuente | |
| GPT 5.3 Codex | 05 feb 2026 | 56,80 % | Public; xhigh reasoning | Sí | Fuente | |
| Qwen 3.6 Plus | 01 abr 2026 | 56,60 % | - | Sí | Fuente | |
| GPT 5.2 Codex | 18 dic 2025 | 56,40 % | - | Sí | Fuente | |
| MiniMax M2.7 | 18 mar 2026 | 56,20 % | - | Sí | Fuente | |
| MiMo V2.5 | 23 abr 2026 | 56,10 % | Hugging Face evaluation result | Sí | Fuente | |
| GPT 5.2 | 11 dic 2025 | 55,60 % | - | Sí | Fuente |
