BenchLeader

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。

SWE-Bench Proをお探しですか? →

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).

22件中22件
#
1Claude Opus 5.5max70.2%68.4$3.632026-11-09
2NEWClaude Fable 5.2high62.3%68.4$1.842026-11-09
3Claude Fable 5.1max61.3%66.7$5.462026-11-09
4Claude Sonnet 5.5max58.3%64.2$3.262026-11-09
5Gemini 4 Argonhigh56.0%65.3$11.402026-11-09
6Muse Wonder Fullmax47.3%61.7$1.862026-11-09
7DeepSeek V4.1 Flashmax46.5%58.5$0.2262026-11-09
8Muse Wondermax45.6%60.8$1.702026-11-09
9Kimi K3max44.2%60.2$1.652026-11-09
10Claude Haiku 5.5max44.0%55.3$0.7052026-11-09
11GPT-6.1 Solmax43.5%66.6$0.3512026-11-09
12GPT-6 Astramax43.3%67.3$1.812026-11-09
13Muse Spark 1.3max43.1%60.6$0.8642026-11-09
14Inkling 2 Small43.1%57.9$0.2952026-11-09
15Grok 4.7xhigh42.9%57.4$4.662026-11-09
16Qwen3.8 Maxmax42.5%58.7$0.9942026-11-09
17MiMo-V2.6-Pro41.3%57.5$0.1222026-11-09
18Gemini 3.8 Flashhigh40.8%59.4$3.692026-11-09
19Step 5 Preview40.8%56.0$0.6142026-11-09
20GPT-6 Lunamax37.5%55.1$0.0322026-11-09
21MiniMax M333.3%56.1$1.022026-11-09
22Mistral Large 4high33.1%48.3$2.642026-11-09

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

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。