BenchLeader

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。

公開元
Epoch AI Benchmarking Hub
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。

22件中22件
#
1NEWClaude Fable 5.2max69.9%72.72026-11-09
2GPT-6 Astramax65.5%67.32026-09-03
3Claude Opus 5.5max62.3%68.42026-09-22
4Claude Sonnet 5.5max61.9%64.22026-09-28
5Gemini 4 Carbonhigh61.2%68.92026-11-10
6Claude Fable 5.1max56.3%66.72026-09-01
7Gemini 4 Argonhigh55.0%65.32026-10-13
8Claude Opus 5max52.0%65.02026-07-24
9Claude Fable 5max47.0%65.12026-06-09
10Claude Haiku 5.5max43.8%55.32026-10-07
11GPT-5.6 Solmax32.2%65.32026-07-09
12GLM 5.3max30.2%58.82026-08-14
13Grok 4.7xhigh29.5%57.42026-09-21
14Kimi K3max25.9%60.22026-07-16
15Muse Spark 1.3max25.8%60.62026-09-02
16Grok 4.6xhigh25.3%56.12026-08-12
17Gemini 3.7 Flashhigh20.3%62.12026-08-13
18Gemini 3.8 Flashhigh19.6%59.42026-09-02
19GLM 5.3 Flashmax18.1%52.42026-08-20
20Qwen3.8 Maxxhigh17.8%56.62026-09-01
21Muse Spark 1.2xhigh12.0%61.52026-08-05
22Inklingxhigh4.1%50.02026-07-15

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

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。