FrontierSWEのリーダーボード
2026年11月16日時点で、FrontierSWEの最高スコアは69.9%で、Claude Fable 5.2(Anthropic)が記録しています。次点はGPT-6 Astraの65.5%です。公表された結果があるのは22のモデル構成です(Epoch AI Benchmarking Hub、結果の日付は2026年11月9日)。実装、性能改善、リサーチの作業に分かれた長いソフトウェアタスクを、エージェントハーネスで実行します。FrontierSWEは参考として掲載しており、BenchLeader Indexには含まれません。
要点(2026年11月16日時点)
- Claude Fable 5.2がFrontierSWEの最高スコア69.9%を記録しています(Epoch AI Benchmarking Hub、2026年11月9日)。
- FrontierSWEの2位はGPT-6 Astraで、65.5%です(Epoch AI Benchmarking Hub、2026年9月3日)。
- FrontierSWE:実装・性能・研究にわたる、最難関レベルのソフトウェアエンジニアリングのタスク(Epoch AI Benchmarking Hub)。
- BenchLeaderでは22のモデル構成にFrontierSWEの公表結果があります(BenchLeader、2026年11月16日)。
- FrontierSWEはBenchLeader Indexには反映されず、参考として掲載しています(BenchLeaderの評価方法)。
実装・性能・研究にわたる、最難関レベルのソフトウェアエンジニアリングのタスク。
- カテゴリ
- コーディング
- Indexでの重み
- 参考のみ
- モデル
- 22
- データ基準日
- 2026年11月16日
- 最新の結果
- 2026年11月10日
CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.
どんなテストか
実装、性能改善、リサーチの作業に分かれた長いソフトウェアタスクを、エージェントハーネスで実行します。
採点方法
スコアで、公表された値です。
注意点
ごく新しい評価で、対象モデルは十数個です。
- 1Claude Fable 5.2 (max)69.9%
- 2GPT-6 Astra (max)65.5%
- 3Claude Opus 5.5 (max)62.3%
- 4Claude Sonnet 5.5 (max)61.9%
- 5Gemini 4 Carbon (high)61.2%
- 6Claude Fable 5.1 (max)56.3%
- 7Gemini 4 Argon (high)55.0%
- 8Claude Opus 5 (max)52.0%
- 9Claude Fable 5 (max)47.0%
- 10Claude Haiku 5.5 (max)43.8%
- 11GPT-5.6 Sol (max)32.2%
- 12GLM 5.3 (max)30.2%
- 13Grok 4.7 (xhigh)29.5%
- 14Kimi K3 (max)25.9%
- 15Muse Spark 1.3 (max)25.8%
22件中22件
| # | ||||
|---|---|---|---|---|
| 1 | NEW | 69.9% | 72.7 | 2026-11-09 |
| 2 | 65.5% | 67.3 | 2026-09-03 | |
| 3 | 62.3% | 68.4 | 2026-09-22 | |
| 4 | 61.9% | 64.2 | 2026-09-28 | |
| 5 | 61.2% | 68.9 | 2026-11-10 | |
| 6 | 56.3% | 66.7 | 2026-09-01 | |
| 7 | 55.0% | 65.3 | 2026-10-13 | |
| 8 | 52.0% | 65.0 | 2026-07-24 | |
| 9 | 47.0% | 65.1 | 2026-06-09 | |
| 10 | 43.8% | 55.3 | 2026-10-07 | |
| 11 | 32.2% | 65.3 | 2026-07-09 | |
| 12 | 30.2% | 58.8 | 2026-08-14 | |
| 13 | 29.5% | 57.4 | 2026-09-21 | |
| 14 | 25.9% | 60.2 | 2026-07-16 | |
| 15 | 25.8% | 60.6 | 2026-09-02 | |
| 16 | 25.3% | 56.1 | 2026-08-12 | |
| 17 | 20.3% | 62.1 | 2026-08-13 | |
| 18 | 19.6% | 59.4 | 2026-09-02 | |
| 19 | 18.1% | 52.4 | 2026-08-20 | |
| 20 | 17.8% | 56.6 | 2026-09-01 | |
| 21 | 12.0% | 61.5 | 2026-08-05 | |
| 22 | 4.1% | 50.0 | 2026-07-15 |
コーディングのベンチマークをもっと見る · LLMベンチマーク一覧
関連するベンチマーク
FrontierSWEでの注目のモデル比較
引用表記:BenchLeader「FrontierSWEのリーダーボード」2026年11月16日時点のデータ、https://www.benchleader.com/ja/benchmarks/frontierswe
FrontierSWE:よくある質問
- FrontierSWEは何を測るベンチマークですか?
- 実装、性能改善、リサーチの作業に分かれた長いソフトウェアタスクを、エージェントハーネスで実行します。スコアは解けたタスクの割合(%)で示され、高いほど良い結果です。
- FrontierSWEの最高スコアは?
- 2026年11月16日時点で、FrontierSWEの最高スコアは69.9%で、Claude Fable 5.2が記録しています(結果の日付は2026年11月9日)。次点はGPT-6 Astraの65.5%です。スコアはEpoch AI Benchmarking Hubの公表値で、毎日読み直しています。
- FrontierSWEでトップのAIモデルは?
- 2026年11月16日時点で、FrontierSWEの首位はClaude Fable 5.2で、スコアは69.9%です(結果の日付は2026年11月9日)。続いてGPT-6 Astra(65.5%)です。
- FrontierSWEの結果があるモデルはいくつですか?
- BenchLeaderでは22のモデル構成にFrontierSWEの結果があり、すべてEpoch AI Benchmarking Hubから取得しています。
- FrontierSWEを運営しているのは誰で、どのくらいの頻度で更新されますか?
- FrontierSWEはEpoch AI Benchmarking Hubが公開しています。BenchLeaderは公開された結果を1日1回読み直し、各結果の公開日を記録しています。
- FrontierSWEはBenchLeader Indexに含まれますか?
- いいえ。FrontierSWEは参考として掲載していますが、総合スコアには含めていません。