SWE-Bench
AIベンチマーク結果とモデルの性能
種類: percentageCode
記録された結果
148
平均スコア
59.84%
スコアの範囲
8.70% - 96%
最上位モデル
96% - Claude Opus 5
スコアの推移
日付ごとの個別ベンチマークスコアです。
モデル結果
| 組織 | モデル | 報告日 | 最高スコア | 情報 | 自己申告 | 出典 |
|---|---|---|---|---|---|---|
| Claude Opus 5 | 2026年7月24日 | 96% | SWE-bench Verified; adaptive thinking at max effort; default sampling settings; average of 5 trials | はい | 出典 | |
| Claude Mythos Preview | 2026年4月07日 | 93.90% | Verified | はい | 出典 | |
| Claude Opus 4.8 | 2026年5月28日 | 88.60% | SWE-bench Verified; max effort; avg 5 trials | はい | 出典 | |
| Claude Opus 4.7 | 2026年4月16日 | 87.60% | Verified | はい | 出典 | |
| Claude Sonnet 5 | 2026年6月30日 | 85.20% | SWE-bench Verified; standard configuration; average over five trials | はい | 出典 | |
| Claude Opus 4.5 | 2025年11月24日 | 80.90% | Avg@5, 64k Thinking | はい | 出典 | |
| Beam | 2026年10月05日 | 80.90% | 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. | はい | 出典 | |
| Claude Opus 4.6 | 2026年2月05日 | 80.80% | Verified | はい | 出典 | |
| DeepSeek V4 Pro | 2026年4月24日 | 80.60% | SWE Verified; resolved; DeepSeek-V4-Pro Max | はい | 出典 | |
| Gemini 3.1 Pro Preview | 2026年2月19日 | 80.60% | Single Attempt | はい | - | |
| Qwen 3.7 Max | 2026年5月21日 | 80.40% | SWE-Verified; internal agent scaffold | はい | 出典 | |
| MiniMax M2.5 | 2026年2月12日 | 80.20% | - | はい | 出典 | |
| GPT 5.2 | 2025年12月11日 | 80% | - | はい | 出典 | |
| GPT 5.2 Chat | 2025年12月11日 | 80% | inferred alias from gpt-5.2-2025-12-11 | はい | 出典 | |
| Claude Sonnet 4.6 | 2026年2月17日 | 79.60% | Verified | はい | 出典 | |
| DeepSeek V4 Flash | 2026年4月24日 | 79% | SWE Verified; resolved; DeepSeek-V4-Flash Max | はい | 出典 | |
| Qwen 3.6 Plus | 2026年4月01日 | 78.80% | - | はい | 出典 | |
| Gemini 3 Flash Preview | 2025年12月17日 | 78% | - | はい | 出典 | |
| MiMo V2 Pro | 2026年3月18日 | 78% | - | はい | 出典 | |
| MiMo V2 TTS (Free) | 2026年3月18日 | 78% | inferred modality/version alias from mimo-v2-pro | はい | 出典 | |
| GLM 5 | 2026年2月11日 | 77.80% | - | はい | 出典 | |
| Mistral Medium 3.5 | 2026年4月29日 | 77.60% | Verified | はい | 出典 | |
| Muse Spark | 2026年4月08日 | 77.40% | Verified | はい | 出典 | |
| Kimi K2.5 | 2026年1月27日 | 76.80% | - | はい | 出典 | |
| Seed 2.0 Pro | 2026年2月14日 | 76.50% | - | はい | 出典 |
