SWE-bench Multimodalのリーダーボード
2026年11月16日時点で、SWE-bench Multimodalの最高スコアは70.2%で、Claude Opus 5.5(Anthropic)が記録しています。次点はClaude Fable 5.2の62.3%です。公表された結果があるのは22のモデル構成です(Vals AI、結果の日付は2026年11月9日)。JavaScriptリポジトリのGitHub issueのうち、バグが見た目に現れるもの。直すには画像を読む必要があります。Vals AIが実施。SWE-bench Multimodal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 5.5がSWE-bench Multimodalの最高スコア70.2%を記録しています(Vals AI、2026年11月9日)。
- SWE-bench Multimodalの2位はClaude Fable 5.2で、62.3%です(Vals AI、2026年11月9日)。
- SWE-bench Multimodal:JavaScriptリポジトリのGitHub issueのうち、バグが見た目に現れるもの。直すには画像を読む必要があります。Vals AIが実施(Vals AI)。
- BenchLeaderでは22のモデル構成にSWE-bench Multimodalの公表結果があります(BenchLeader、2026年11月16日)。
- SWE-bench Multimodal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)。
JavaScriptリポジトリのGitHub issueのうち、バグが見た目に現れるもの。直すには画像を読む必要があります。Vals AIが実施。
- 公開元
- Vals AI
- 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
Vals AI (vals.ai).
- 1Claude Opus 5.5 (max)70.2%
- 2Claude Fable 5.2 (high)62.3%
- 3Claude Fable 5.1 (max)61.3%
- 4Claude Sonnet 5.5 (max)58.3%
- 5Gemini 4 Argon (high)56.0%
- 6Muse Wonder Full (max)47.3%
- 7DeepSeek V4.1 Flash (max)46.5%
- 8Muse Wonder (max)45.6%
- 9Kimi K3 (max)44.2%
- 10Claude Haiku 5.5 (max)44.0%
- 11GPT-6.1 Sol (max)43.5%
- 12GPT-6 Astra (max)43.3%
- 13Muse Spark 1.3 (max)43.1%
- 14Inkling 2 Small43.1%
- 15Grok 4.7 (xhigh)42.9%
22件中22件
| # | |||||
|---|---|---|---|---|---|
| 1 | 70.2% | 68.4 | $3.63 | 2026-11-09 | |
| 2 | NEW | 62.3% | 68.4 | $1.84 | 2026-11-09 |
| 3 | 61.3% | 66.7 | $5.46 | 2026-11-09 | |
| 4 | 58.3% | 64.2 | $3.26 | 2026-11-09 | |
| 5 | 56.0% | 65.3 | $11.40 | 2026-11-09 | |
| 6 | 47.3% | 61.7 | $1.86 | 2026-11-09 | |
| 7 | 46.5% | 58.5 | $0.226 | 2026-11-09 | |
| 8 | 45.6% | 60.8 | $1.70 | 2026-11-09 | |
| 9 | 44.2% | 60.2 | $1.65 | 2026-11-09 | |
| 10 | 44.0% | 55.3 | $0.705 | 2026-11-09 | |
| 11 | 43.5% | 66.6 | $0.351 | 2026-11-09 | |
| 12 | 43.3% | 67.3 | $1.81 | 2026-11-09 | |
| 13 | 43.1% | 60.6 | $0.864 | 2026-11-09 | |
| 14 | 43.1% | 57.9 | $0.295 | 2026-11-09 | |
| 15 | 42.9% | 57.4 | $4.66 | 2026-11-09 | |
| 16 | 42.5% | 58.7 | $0.994 | 2026-11-09 | |
| 17 | 41.3% | 57.5 | $0.122 | 2026-11-09 | |
| 18 | 40.8% | 59.4 | $3.69 | 2026-11-09 | |
| 19 | 40.8% | 56.0 | $0.614 | 2026-11-09 | |
| 20 | 37.5% | 55.1 | $0.032 | 2026-11-09 | |
| 21 | 33.3% | 56.1 | $1.02 | 2026-11-09 | |
| 22 | 33.1% | 48.3 | $2.64 | 2026-11-09 |
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 Multimodalでの注目のモデル比較
引用表記:BenchLeader「SWE-bench Multimodal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/vals_swebench_multimodal
SWE-bench Multimodal:よくある質問
- SWE-bench Multimodalは何を測るベンチマークですか?
- JavaScriptリポジトリのGitHub issueのうち、バグが見た目に現れるもの。直すには画像を読む必要があります。Vals AIが実施。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 Multimodalの最高スコアは?
- 2026年11月16日時点で、SWE-bench Multimodalの最高スコアは70.2%で、Claude Opus 5.5が記録しています(結果の日付は2026年11月9日)。次点はClaude Fable 5.2の62.3%です。スコアはVals AIの公表値で、毎日読み直しています。
- SWE-bench MultimodalでトップのAIモデルは?
- 2026年11月16日時点で、SWE-bench Multimodalの首位はClaude Opus 5.5で、スコアは70.2%です(結果の日付は2026年11月9日)。続いてClaude Fable 5.2(62.3%)です。
- SWE-bench Multimodal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SWE-bench Multimodalの結果があり、すべてVals AIから取得しています。
- SWE-bench Multimodal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 MultimodalはVals AI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 MultimodalはBenchLeader Indexに含まれますか?
- いいえ。SWE-bench Multimodal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。