SWE-Bench Pro V2 HARDのリーダーボード
2026年11月16日時点で、SWE-Bench Pro V2 HARDの最高スコアは98.0%で、Claude Opus 5(Anthropic)が記録しています。次点はClaude Fable 5.1の92.2%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9月22日)。SWE-Bench Pro V2のうち最も難しいサブセット。Scale AI。SWE-Bench Pro V2 HARD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 HARDの最高スコア98.0%を記録しています(Scale AI SEAL、2026年9月22日)。
- SWE-Bench Pro V2 HARDの2位はClaude Fable 5.1で、92.2%です(Scale AI SEAL、2026年9月22日)。
- SWE-Bench Pro V2 HARD:SWE-Bench Pro V2のうち最も難しいサブセット。Scale AI(Scale AI SEAL)。
- BenchLeaderでは18のモデル構成にSWE-Bench Pro V2 HARDの公表結果があります(BenchLeader、2026年11月16日)。
- SWE-Bench Pro V2 HARD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 V2のうち最も難しいサブセット。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)98.0%
- 2Claude Fable 5.1 (high)92.2%
- 3Gemini 4 Argon (high)92.2%
- 4GPT-6 Astra (high)90.2%
- 5Muse Wonder (xhigh)90.2%
- 6Kimi K3 (max)88.2%
- 7Claude Sonnet 5 (xhigh)88.2%
- 8GPT-5.6 Terra (xhigh)86.3%
- 9Inkling 2 Small86.3%
- 10MiniMax M3.1 Flash (xhigh)84.3%
- 11GLM 5.3 (max)84.3%
- 12GPT-5.6 Sol (xhigh)82.4%
- 13Muse Spark Open (xhigh)82.3%
- 14Claude Sonnet 5.5 (xhigh)70.6%
- 15Gemini 3.8 Flash (high)58.8%
18件中18件
| # | ||||
|---|---|---|---|---|
| 1 | 98.0% | 60.1 | 2026-09-22 | |
| 2 | 92.2% | 63.7 | 2026-09-22 | |
| 3 | 92.2% | 65.3 | 2026-10-14 | |
| 4 | 90.2% | 66.3 | 2026-09-22 | |
| 5 | 90.2% | – | 2026-10-14 | |
| 6 | 88.2% | 60.2 | 2026-09-22 | |
| 7 | 88.2% | 55.4 | 2026-09-22 | |
| 8 | 86.3% | 60.1 | 2026-09-22 | |
| 9 | 86.3% | 57.9 | 2026-11-06 | |
| 10 | 84.3% | – | 2026-11-02 | |
| 11 | 84.3% | 58.8 | 2026-09-22 | |
| 12 | 82.4% | 63.9 | 2026-09-22 | |
| 13 | 82.3% | 53.5 | 2026-10-16 | |
| 14 | 70.6% | 62.5 | 2026-10-12 | |
| 15 | 58.8% | 59.4 | 2026-09-22 | |
| 16 | 56.9% | 50.0 | 2026-09-22 | |
| 17 | 52.9% | 55.3 | 2026-10-08 | |
| 18 | 25.5% | – | 2026-09-22 |
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 HARDでの注目のモデル比較
引用表記:BenchLeader「SWE-Bench Pro V2 HARD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_hard
SWE-Bench Pro V2 HARD:よくある質問
- SWE-Bench Pro V2 HARDは何を測るベンチマークですか?
- SWE-Bench Pro V2のうち最も難しいサブセット。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 HARDの最高スコアは?
- 2026年11月16日時点で、SWE-Bench Pro V2 HARDの最高スコアは98.0%で、Claude Opus 5が記録しています(結果の日付は2026年9月22日)。次点はClaude Fable 5.1の92.2%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 HARDでトップのAIモデルは?
- 2026年11月16日時点で、SWE-Bench Pro V2 HARDの首位はClaude Opus 5で、スコアは98.0%です(結果の日付は2026年9月22日)。続いてClaude Fable 5.1(92.2%)です。
- SWE-Bench Pro V2 HARD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 HARD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 HARD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 HARD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 HARDはBenchLeader Indexに含まれますか?
- いいえ。SWE-Bench Pro V2 HARD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。