SWE Bench Multilingual
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
35
平均スコア
67.61%
スコアの範囲
39.33% - 89.50%
最上位モデル
89.50% - 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 | 89.50% | 300 problems across 9 programming languages; adaptive thinking at max effort; average of 5 trials | はい | 出典 | |
| Claude Mythos Preview | 2026年4月07日 | 87.30% | - | はい | 出典 | |
| Claude Opus 4.7 | 2026年4月16日 | 80.50% | - | はい | 出典 | |
| Laguna S 2.1 | 2026年7月21日 | 78.50% | mean pass@1 | はい | 出典 | |
| Qwen 3.7 Max | 2026年5月21日 | 78.30% | Internal agent scaffold | はい | 出典 | |
| Claude Sonnet 5 | 2026年6月30日 | 78.30% | SWE-bench Multilingual; standard configuration; average over five trials | はい | 出典 | |
| Beam | 2026年10月05日 | 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. | はい | 出典 | |
| Claude Opus 4.6 | 2026年2月05日 | 77.83% | - | はい | 出典 | |
| MiniMax M2.7 | 2026年3月18日 | 76.50% | - | はい | 出典 | |
| Claude Opus 4.5 | 2025年11月24日 | 76.20% | Avg@5 | はい | 出典 | |
| Claude Sonnet 4.6 | 2026年2月17日 | 75.90% | - | はい | 出典 | |
| Qwen 3.6 Plus | 2026年4月01日 | 73.80% | - | はい | 出典 | |
| Kimi K2.5 | 2026年1月27日 | 73% | - | はい | 出典 | |
| MiniMax M2.1 | 2025年12月23日 | 72.50% | Outperforms Claude Sonnet 4.5 (68%) and DeepSeek V3.2 (70.2%) | はい | 出典 | |
| Seed 2.0 Pro | 2026年2月14日 | 71.70% | Seed2 official benchmark table | SWE Multilingual | はい | 出典 | |
| MiMo V2 Flash | 2025年12月16日 | 71.70% | - | はい | 出典 | |
| MiMo V2 Pro | 2026年3月18日 | 71.70% | - | はい | 出典 | |
| MiMo V2 TTS (Free) | 2026年3月18日 | 71.70% | inferred modality/version alias from mimo-v2-pro | はい | 出典 | |
| Qwen 3.5 397B A17B | 2026年2月16日 | 69.30% | - | はい | 出典 | |
| GLM 4.7 | 2025年12月22日 | 66.70% | - | はい | 出典 | |
| Seed 2.0 Lite | 2026年2月14日 | 64.40% | Seed2 official benchmark table | SWE Multilingual | はい | 出典 | |
| Laguna XS 2.1 | 2026年7月02日 | 63.10% | mean pass@1 | はい | 出典 | |
| Kimi K2 Thinking | 2025年11月06日 | 61.10% | inferred alias from kimi-k2-thinking-0905 | はい | 出典 | |
| DeepSeek OCR 2 | - | 57.90% | inferred family alias from deepseek-v3.2-exp (score=0.3809; benches=14) | はい | 出典 | |
| DeepSeek V3.2 Exp | 2025年9月29日 | 57.90% | - | はい | 出典 |
