BenchLeader

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。

发布方
Scale AI SEAL
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.

18 / 18
#
1Claude Opus 5xhigh99.4%60.12026-10-07
2Gemini 4 Argonhigh99.2%65.32026-10-14
3Claude Fable 5.1high99.1%63.72026-10-07
4Kimi K3max97.7%60.22026-10-07
5Inkling 2 Small97.7%57.92026-11-06
6GPT-6 Astrahigh96.9%66.32026-10-07
7Muse Wonderxhigh96.7%–2026-10-14
8MiniMax M3.1 Flashxhigh96.6%–2026-11-02
9GPT-6.1 Solxhigh96.1%63.62026-10-07
10Claude Sonnet 5.5xhigh95.8%62.52026-10-12
11GLM 5.3max95.6%58.82026-10-07
12GPT-5.6 Solxhigh95.5%63.92026-10-07
13Muse Spark Openxhigh95.0%53.52026-10-16
14Gemini 3.8 Flashhigh94.9%59.42026-10-07
15Claude Sonnet 5xhigh93.2%55.42026-10-07
16GPT-5.6 Terraxhigh92.4%60.12026-10-07
17Inklingxhigh89.9%50.02026-10-07
18Claude Haiku 5.5high87.2%55.32026-10-08

更多编程基准测试 · 全部大模型基准测试

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。