BenchLeader

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。

公開元
Scale AI SEAL
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.

18件中18件
#
1Claude Opus 5xhigh99.4%60.12026-10-07
2Gemini 4 Argonhigh99.2%65.32026-10-14
3Claude Fable 5.1high99.1%63.72026-10-07
4Kimi K3max97.7%60.22026-10-07
5Inkling 2 Small97.7%57.92026-11-06
6GPT-6 Astrahigh96.9%66.32026-10-07
7Muse Wonderxhigh96.7%–2026-10-14
8MiniMax M3.1 Flashxhigh96.6%–2026-11-02
9GPT-6.1 Solxhigh96.1%63.62026-10-07
10Claude Sonnet 5.5xhigh95.8%62.52026-10-12
11GLM 5.3max95.6%58.82026-10-07
12GPT-5.6 Solxhigh95.5%63.92026-10-07
13Muse Spark Openxhigh95.0%53.52026-10-16
14Gemini 3.8 Flashhigh94.9%59.42026-10-07
15Claude Sonnet 5xhigh93.2%55.42026-10-07
16GPT-5.6 Terraxhigh92.4%60.12026-10-07
17Inklingxhigh89.9%50.02026-10-07
18Claude Haiku 5.5high87.2%55.32026-10-08

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

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。