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 Pro

SWE Bench Pro

AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन

प्रकार: percentage

दर्ज परिणाम

40

औसत स्कोर

58.65%

स्कोर सीमा

46% - 80.30%

अग्रणी मॉडल

80.30% - Claude Fable 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 Fable 509 जून 202680.30%Higher of Mythos 5 / Fable 5 in Anthropic's launch tableहाँस्रोत
AnthropicAnthropic
Anthropic
Claude Mythos 509 जून 202680.30%Higher of Mythos 5 / Fable 5 in Anthropic's launch tableहाँस्रोत
AnthropicAnthropic
Anthropic
Claude Opus 524 जुल॰ 202679.20%Adaptive thinking at max effort; default sampling settings; average of 5 trialsहाँस्रोत
AnthropicAnthropic
Anthropic
Claude Mythos Preview07 अप्रैल 202677.80%-हाँस्रोत
Sakana AI
Sakana AI
Fugu Ultra22 जून 202673.70%Sakana Fugu product page benchmark table.हाँस्रोत
AnthropicAnthropic
Anthropic
Claude Opus 4.828 मई 202669.20%Max effort; avg 5 trialsहाँस्रोत
AnthropicAnthropic
Anthropic
Claude Opus 4.716 अप्रैल 202664.30%-हाँस्रोत
AnthropicAnthropic
Anthropic
Claude Sonnet 530 जून 202663.20%SWE-bench Pro; standard configuration; average over five trialsहाँस्रोत
Qwen
Qwen
Qwen 3.8 27B14 अग॰ 202661.70%-हाँस्रोत
Meta
Meta
Muse Spark 1.109 जुल॰ 202661.50%Diverse software engineeringहाँस्रोत
Qwen
Qwen
Qwen 3.7 Max21 मई 202660.60%SWE-Pro; refined benchmark; internal agent scaffoldहाँस्रोत
PoolsidePoolside
Poolside
Laguna S 2.121 जुल॰ 202659.40%public dataset mean pass@1हाँस्रोत
MiniMax
MiniMax
MiniMax M301 जून 202659%-हाँस्रोत
Sakana AI
Sakana AI
Fugu22 जून 202659%Sakana Fugu product page benchmark table.हाँस्रोत
OpenAIOpenAI
OpenAI
GPT 5.523 अप्रैल 202658.60%Publicहाँस्रोत
z.AIz.AI
z.AI
GLM 5.107 अप्रैल 202658.40%-हाँस्रोत
OpenAIOpenAI
OpenAI
GPT 5 Pro07 अग॰ 202557.70%inferred family alias from gpt-5.4 (score=0.4083; benches=19)हाँस्रोत
OpenAIOpenAI
OpenAI
GPT 5 Search API14 अक्टू॰ 202557.70%inferred family alias from gpt-5.4 (score=0.3050; benches=19)हाँस्रोत
OpenAIOpenAI
OpenAI
GPT 5.405 मार्च 202657.70%Publicहाँस्रोत
OpenAIOpenAI
OpenAI
GPT 5.3 Codex05 फ़र॰ 202656.80%Public; xhigh reasoningहाँस्रोत
Qwen
Qwen
Qwen 3.6 Plus01 अप्रैल 202656.60%-हाँस्रोत
OpenAIOpenAI
OpenAI
GPT 5.2 Codex18 दिस॰ 202556.40%-हाँस्रोत
MiniMax
MiniMax
MiniMax M2.718 मार्च 202656.20%-हाँस्रोत
Xiaomi
Xiaomi
MiMo V2.523 अप्रैल 202656.10%Hugging Face evaluation resultहाँस्रोत
OpenAIOpenAI
OpenAI
GPT 5.211 दिस॰ 202555.60%-हाँस्रोत
समस्या की रिपोर्ट करें
साइन अप करें