SWE-Bench Pro V2のリーダーボード
2026年11月16日時点で、SWE-Bench Pro V2の最高スコアは99.4%で、Claude Opus 5(Anthropic)が記録しています。次点はGemini 4 Argonの99.2%です。公表された結果があるのは18のモデル構成です(Scale AI SEAL、結果の日付は2026年10月7日)。SWE-Bench Proの公開セットを作り直したV2(2026年9月)。11リポジトリの642タスクで、Webツールは無効、すべてのパッチをクリーンな環境で採点し直す。Scale AI。SWE-Bench Pro V2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 Opus 5がSWE-Bench Pro V2の最高スコア99.4%を記録しています(Scale AI SEAL、2026年10月7日)。
- SWE-Bench Pro V2の2位はGemini 4 Argonで、99.2%です(Scale AI SEAL、2026年10月14日)。
- SWE-Bench Pro V2:SWE-Bench Proの公開セットを作り直したV2(2026年9月)。11リポジトリの642タスクで、Webツールは無効、すべてのパッチをクリーンな環境で採点し直す。Scale AI(Scale AI SEAL)。
- BenchLeaderでは18のモデル構成にSWE-Bench Pro V2の公表結果があります(BenchLeader、2026年11月16日)。
- SWE-Bench Pro V2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)。
SWE-Bench Proの公開セットを作り直したV2(2026年9月)。11リポジトリの642タスクで、Webツールは無効、すべてのパッチをクリーンな環境で採点し直す。Scale AI。
- カテゴリ
- コーディング
- Indexでの重み
- 参考のみ
- モデル
- 18
- データ基準日
- 2026年11月16日
- 最新の結果
- 2026年11月6日
Scale AI SEAL Leaderboards.
- 1Claude Opus 5 (xhigh)99.4%
- 2Gemini 4 Argon (high)99.2%
- 3Claude Fable 5.1 (high)99.1%
- 4Kimi K3 (max)97.7%
- 5Inkling 2 Small97.7%
- 6GPT-6 Astra (high)96.9%
- 7Muse Wonder (xhigh)96.7%
- 8MiniMax M3.1 Flash (xhigh)96.6%
- 9GPT-6.1 Sol (xhigh)96.1%
- 10Claude Sonnet 5.5 (xhigh)95.8%
- 11GLM 5.3 (max)95.6%
- 12GPT-5.6 Sol (xhigh)95.5%
- 13Muse Spark Open (xhigh)95.0%
- 14Gemini 3.8 Flash (high)94.9%
- 15Claude Sonnet 5 (xhigh)93.2%
18件中18件
| # | ||||
|---|---|---|---|---|
| 1 | 99.4% | 60.1 | 2026-10-07 | |
| 2 | 99.2% | 65.3 | 2026-10-14 | |
| 3 | 99.1% | 63.7 | 2026-10-07 | |
| 4 | 97.7% | 60.2 | 2026-10-07 | |
| 5 | 97.7% | 57.9 | 2026-11-06 | |
| 6 | 96.9% | 66.3 | 2026-10-07 | |
| 7 | 96.7% | – | 2026-10-14 | |
| 8 | 96.6% | – | 2026-11-02 | |
| 9 | 96.1% | 63.6 | 2026-10-07 | |
| 10 | 95.8% | 62.5 | 2026-10-12 | |
| 11 | 95.6% | 58.8 | 2026-10-07 | |
| 12 | 95.5% | 63.9 | 2026-10-07 | |
| 13 | 95.0% | 53.5 | 2026-10-16 | |
| 14 | 94.9% | 59.4 | 2026-10-07 | |
| 15 | 93.2% | 55.4 | 2026-10-07 | |
| 16 | 92.4% | 60.1 | 2026-10-07 | |
| 17 | 89.9% | 50.0 | 2026-10-07 | |
| 18 | 87.2% | 55.3 | 2026-10-08 |
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
SWE-Bench Pro V2での注目のモデル比較
引用表記:BenchLeader「SWE-Bench Pro V2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/scale_swe_bench_pro_v2
SWE-Bench Pro V2:よくある質問
- SWE-Bench Pro V2は何を測るベンチマークですか?
- SWE-Bench Proの公開セットを作り直したV2(2026年9月)。11リポジトリの642タスクで、Webツールは無効、すべてのパッチをクリーンな環境で採点し直す。Scale AI。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。
- SWE-Bench Pro V2の最高スコアは?
- 2026年11月16日時点で、SWE-Bench Pro V2の最高スコアは99.4%で、Claude Opus 5が記録しています(結果の日付は2026年10月7日)。次点はGemini 4 Argonの99.2%です。スコアはScale AI SEALの公表値で、毎日読み直しています。
- SWE-Bench Pro V2でトップのAIモデルは?
- 2026年11月16日時点で、SWE-Bench Pro V2の首位はClaude Opus 5で、スコアは99.4%です(結果の日付は2026年10月7日)。続いてGemini 4 Argon(99.2%)です。
- SWE-Bench Pro V2の結果があるモデルはいくつですか?
- BenchLeaderでは18のモデル構成にSWE-Bench Pro V2の結果があり、すべてScale AI SEALから取得しています。
- SWE-Bench Pro V2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?
- SWE-Bench Pro V2はScale AI SEAL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。
- SWE-Bench Pro V2はBenchLeader Indexに含まれますか?
- いいえ。SWE-Bench Pro V2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。