SWE-Bench Pro V2 排行榜
截至 2026年11月16日,SWE-Bench Pro V2 的最高分为 99.4%,由 Claude Opus 5(Anthropic)取得,领先于 Gemini 4 Argon(99.2%)。共有 18 个模型配置公布了结果(Scale AI SEAL,结果日期 2026年10月7日)。SWE-Bench Pro 重新整理的公开题集 V2(2026年9月):11 个仓库的 642 个任务,禁用网页工具,每个补丁都在干净环境中重新评分。Scale AI。SWE-Bench Pro V2 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- Claude Opus 5 以 99.4% 保持 SWE-Bench Pro V2 最高分(Scale AI SEAL,2026年10月7日)。
- Gemini 4 Argon 以 99.2% 位列 SWE-Bench Pro V2 第二(Scale AI SEAL,2026年10月14日)。
- SWE-Bench Pro V2:SWE-Bench Pro 重新整理的公开题集 V2(2026年9月):11 个仓库的 642 个任务,禁用网页工具,每个补丁都在干净环境中重新评分。Scale AI(Scale AI SEAL)。
- BenchLeader 上有 18 个模型配置公布了 SWE-Bench Pro V2 结果(BenchLeader,2026年11月16日)。
- SWE-Bench Pro V2 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
SWE-Bench Pro 重新整理的公开题集 V2(2026年9月):11 个仓库的 642 个任务,禁用网页工具,每个补丁都在干净环境中重新评分。Scale AI。
- 类别
- 编程
- Index 权重
- 仅作参考
- 模型
- 18
- 数据截至
- 2026年11月16日
- 最新结果
- 2026年11月6日
Scale AI SEAL Leaderboards.
- 1Claude Opus 5 (xhigh)99.4%
- 2Gemini 4 Argon (high)99.2%
- 3Claude Fable 5.1 (high)99.1%
- 4Kimi K3 (max)97.7%
- 5Inkling 2 Small97.7%
- 6GPT-6 Astra (high)96.9%
- 7Muse Wonder (xhigh)96.7%
- 8MiniMax M3.1 Flash (xhigh)96.6%
- 9GPT-6.1 Sol (xhigh)96.1%
- 10Claude Sonnet 5.5 (xhigh)95.8%
- 11GLM 5.3 (max)95.6%
- 12GPT-5.6 Sol (xhigh)95.5%
- 13Muse Spark Open (xhigh)95.0%
- 14Gemini 3.8 Flash (high)94.9%
- 15Claude Sonnet 5 (xhigh)93.2%
18 / 18
| # | ||||
|---|---|---|---|---|
| 1 | 99.4% | 60.1 | 2026-10-07 | |
| 2 | 99.2% | 65.3 | 2026-10-14 | |
| 3 | 99.1% | 63.7 | 2026-10-07 | |
| 4 | 97.7% | 60.2 | 2026-10-07 | |
| 5 | 97.7% | 57.9 | 2026-11-06 | |
| 6 | 96.9% | 66.3 | 2026-10-07 | |
| 7 | 96.7% | – | 2026-10-14 | |
| 8 | 96.6% | – | 2026-11-02 | |
| 9 | 96.1% | 63.6 | 2026-10-07 | |
| 10 | 95.8% | 62.5 | 2026-10-12 | |
| 11 | 95.6% | 58.8 | 2026-10-07 | |
| 12 | 95.5% | 63.9 | 2026-10-07 | |
| 13 | 95.0% | 53.5 | 2026-10-16 | |
| 14 | 94.9% | 59.4 | 2026-10-07 | |
| 15 | 93.2% | 55.4 | 2026-10-07 | |
| 16 | 92.4% | 60.1 | 2026-10-07 | |
| 17 | 89.9% | 50.0 | 2026-10-07 | |
| 18 | 87.2% | 55.3 | 2026-10-08 |
相关基准测试
SWE-Bench Pro V2 上的热门模型对比
引用格式:BenchLeader,《SWE-Bench Pro V2 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/scale_swe_bench_pro_v2。
SWE-Bench Pro V2:常见问题
- SWE-Bench Pro V2 衡量的是什么?
- SWE-Bench Pro 重新整理的公开题集 V2(2026年9月):11 个仓库的 642 个任务,禁用网页工具,每个补丁都在干净环境中重新评分。Scale AI。分数以完成任务的百分比表示,越高越好。
- SWE-Bench Pro V2 的最高分是多少?
- 截至 2026年11月16日,SWE-Bench Pro V2 的最高分为 99.4%,由 Claude Opus 5 取得(结果日期 2026年10月7日),领先于 Gemini 4 Argon(99.2%)。分数来自 Scale AI SEAL,每天重新读取。
- 哪个 AI 模型在 SWE-Bench Pro V2 上领先?
- 截至 2026年11月16日,SWE-Bench Pro V2 排名第一的是 Claude Opus 5,分数为 99.4%(结果日期 2026年10月7日)。其后为 Gemini 4 Argon(99.2%)。
- 有多少模型有 SWE-Bench Pro V2 结果?
- BenchLeader 上有 18 个模型配置有 SWE-Bench Pro V2 结果,全部取自 Scale AI SEAL。
- SWE-Bench Pro V2 由谁运行,多久更新一次?
- SWE-Bench Pro V2 由 Scale AI SEAL 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。
- SWE-Bench Pro V2 是否计入 BenchLeader Index?
- 不计入。SWE-Bench Pro V2 仅作参考展示,不计入综合分数。