DeepSWE 排行榜
截至 2026年11月16日,DeepSWE 的最高分为 74.1%,由 GPT-6 Astra(OpenAI)取得,领先于 Gemini 3.8 Flash(73.8%)。共有 69 个模型配置公布了结果(Epoch AI Benchmarking Hub,结果日期 2026年9月3日)。在智能体循环中运行的 SWE 式仓库任务,每次运行注明推理强度。DeepSWE 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- GPT-6 Astra 以 74.1% 保持 DeepSWE v1.1 最高分(Epoch AI Benchmarking Hub,2026年9月3日)。
- Gemini 3.8 Flash 以 73.8% 位列 DeepSWE v1.1 第二(Epoch AI Benchmarking Hub,2026年9月2日)。
- DeepSWE v1.1:在智能体框架中完成、并记录推理强度的软件工程任务(Epoch AI Benchmarking Hub)。
- BenchLeader 上有 69 个模型配置公布了 DeepSWE v1.1 结果(BenchLeader,2026年11月16日)。
- DeepSWE v1.1 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
在智能体框架中完成、并记录推理强度的软件工程任务。
- 类别
- 编程
- Index 权重
- 仅作参考
- 模型
- 69
- 数据截至
- 2026年11月16日
CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.
测试内容
在智能体循环中运行的 SWE 式仓库任务,每次运行注明推理强度。
评分方式
Pass@1,以公布结果为准。
注意事项
依赖测试框架。
- 1GPT-6 Astra (xhigh)74.1%
- 2Gemini 3.8 Flash (high)73.8%
- 3Claude Opus 5 (max)73.7%
- 4GPT-6 Astra (max)73.2%
- 5GPT-6 Astra (high)73.2%
- 6Claude Opus 5 (xhigh)73.2%
- 7Claude Opus 5 (high)72.8%
- 8GPT-6 Astra (medium)72.8%
- 9GPT-5.6 Sol (max)72.7%
- 10Gemini 3.8 Flash (medium)71.0%
- 11GPT-5.6 Sol (xhigh)70.7%
- 12Claude Fable 5 (xhigh)69.9%
- 13Claude Fable 5 (max)69.7%
- 14GPT-5.6 Terra (max)69.6%
- 15GPT-5.6 Sol (high)69.4%
69 / 69
| # | ||||
|---|---|---|---|---|
| 1 | 74.1% | 66.0 | 2026-09-03 | |
| 2 | 73.8% | 59.4 | 2026-09-02 | |
| 3 | 73.7% | 65.0 | 2026-07-24 | |
| 4 | 73.2% | 67.3 | 2026-09-03 | |
| 5 | 73.2% | 66.3 | 2026-09-03 | |
| 6 | 73.2% | 60.1 | 2026-07-24 | |
| 7 | 72.8% | 64.4 | 2026-07-24 | |
| 8 | 72.8% | 64.4 | 2026-09-03 | |
| 9 | 72.7% | 65.3 | 2026-07-09 | |
| 10 | 71.0% | 60.2 | 2026-09-02 | |
| 11 | 70.7% | 63.9 | 2026-07-09 | |
| 12 | 69.9% | – | 2026-06-09 | |
| 13 | 69.7% | 65.1 | 2026-06-09 | |
| 14 | 69.6% | 59.5 | 2026-07-09 | |
| 15 | 69.4% | 63.4 | 2026-07-09 | |
| 16 | 69.0% | 58.8 | 2026-08-14 | |
| 17 | 68.9% | 57.5 | 2026-07-24 | |
| 18 | 68.6% | 63.9 | 2026-06-09 | |
| 19 | 68.5% | 60.2 | 2026-07-16 | |
| 20 | 67.5% | 59.4 | 2026-08-12 | |
| 21 | 67.2% | 56.2 | 2026-07-09 | |
| 22 | 67.0% | 64.1 | 2026-04-23 | |
| 23 | 67.0% | 62.0 | 2026-09-03 | |
| 24 | 66.7% | 56.1 | 2026-08-12 | |
| 25 | 65.5% | 60.1 | 2026-08-13 | |
| 26 | 65.4% | – | 2026-06-09 | |
| 27 | 65.3% | 62.1 | 2026-08-13 | |
| 28 | 65.2% | 60.6 | 2026-08-12 | |
| 29 | 64.4% | 63.5 | 2026-04-23 | |
| 30 | 63.4% | 52.4 | 2026-08-20 | |
| 31 | 61.1% | 61.3 | 2026-07-09 | |
| 32 | 60.2% | 60.1 | 2026-07-09 | |
| 33 | 59.6% | – | 2026-06-09 | |
| 34 | 59.0% | 61.1 | 2026-05-28 | |
| 35 | 58.1% | 57.0 | 2026-07-24 | |
| 36 | 57.5% | 56.6 | 2026-08-02 | |
| 37 | 56.9% | 58.2 | 2026-07-09 | |
| 38 | 54.9% | 61.5 | 2026-08-05 | |
| 39 | 54.4% | – | 2026-05-28 | |
| 40 | 54.0% | 60.8 | 2026-04-23 | |
| 41 | 53.9% | 56.1 | 2026-06-30 | |
| 42 | 53.8% | 57.3 | 2026-08-13 | |
| 43 | 53.8% | 56.8 | 2026-07-08 | |
| 44 | 53.8% | 56.8 | 2026-07-09 | |
| 45 | 53.3% | 62.2 | 2026-07-09 | |
| 46 | 51.8% | 63.1 | 2026-03-05 | |
| 47 | 51.8% | 60.4 | 2026-05-28 | |
| 48 | 49.7% | 55.4 | 2026-06-30 | |
| 49 | 48.7% | – | 2026-05-28 | |
| 50 | 48.2% | 59.0 | 2026-06-30 | |
| 51 | 46.7% | 61.0 | 2026-07-21 | |
| 52 | 45.4% | 60.2 | 2026-07-09 | |
| 53 | 44.3% | 54.7 | 2026-07-09 | |
| 54 | 43.8% | 58.9 | 2026-06-16 | |
| 55 | 41.6% | 55.1 | 2026-08-12 | |
| 56 | 40.8% | – | 2026-05-28 | |
| 57 | 39.8% | – | 2026-06-30 | |
| 58 | 37.4% | 61.8 | 2026-05-19 | |
| 59 | 36.3% | – | 2026-06-16 | |
| 60 | 36.1% | 62.5 | 2026-05-19 |
相关基准测试
DeepSWE v1.1 上的热门模型对比
引用格式:BenchLeader,《DeepSWE v1.1 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/deepswe。
DeepSWE v1.1:常见问题
- DeepSWE v1.1 衡量的是什么?
- 在智能体循环中运行的 SWE 式仓库任务,每次运行注明推理强度。分数以完成任务的百分比表示,越高越好。
- DeepSWE v1.1 的最高分是多少?
- 截至 2026年11月16日,DeepSWE v1.1 的最高分为 74.1%,由 GPT-6 Astra 取得(结果日期 2026年9月3日),领先于 Gemini 3.8 Flash(73.8%)。分数来自 Epoch AI Benchmarking Hub,每天重新读取。
- 哪个 AI 模型在 DeepSWE v1.1 上领先?
- 截至 2026年11月16日,DeepSWE v1.1 排名第一的是 GPT-6 Astra,分数为 74.1%(结果日期 2026年9月3日)。其后为 Gemini 3.8 Flash(73.8%)。
- 有多少模型有 DeepSWE v1.1 结果?
- BenchLeader 上有 69 个模型配置有 DeepSWE v1.1 结果,全部取自 Epoch AI Benchmarking Hub。
- DeepSWE v1.1 由谁运行,多久更新一次?
- DeepSWE v1.1 由 Epoch AI Benchmarking Hub 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
- DeepSWE v1.1 是否计入 BenchLeader Index?
- 不计入。DeepSWE v1.1 仅作参考展示,不计入综合分数。