BenchLeader

SWE-Bench Pro V2 HARD 排行榜

截至 2026年11月16日,SWE-Bench Pro V2 HARD 的最高分为 98.0%,由 Claude Opus 5(Anthropic)取得,领先于 Claude Fable 5.1(92.2%)。共有 18 个模型配置公布了结果(Scale AI SEAL,结果日期 2026年9月22日)。SWE-Bench Pro V2 中最难的子集。Scale AI。SWE-Bench Pro V2 HARD 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 98.0% 保持 SWE-Bench Pro V2 HARD 最高分(Scale AI SEAL,2026年9月22日)。
  • Claude Fable 5.1 以 92.2% 位列 SWE-Bench Pro V2 HARD 第二(Scale AI SEAL,2026年9月22日)。
  • SWE-Bench Pro V2 HARD:SWE-Bench Pro V2 中最难的子集。Scale AI(Scale AI SEAL)。
  • BenchLeader 上有 18 个模型配置公布了 SWE-Bench Pro V2 HARD 结果(BenchLeader,2026年11月16日)。
  • SWE-Bench Pro V2 HARD 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

SWE-Bench Pro V2 中最难的子集。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 5xhigh98.0%60.12026-09-22
2Claude Fable 5.1high92.2%63.72026-09-22
3Gemini 4 Argonhigh92.2%65.32026-10-14
4GPT-6 Astrahigh90.2%66.32026-09-22
5Muse Wonderxhigh90.2%–2026-10-14
6Kimi K3max88.2%60.22026-09-22
7Claude Sonnet 5xhigh88.2%55.42026-09-22
8GPT-5.6 Terraxhigh86.3%60.12026-09-22
9Inkling 2 Small86.3%57.92026-11-06
10MiniMax M3.1 Flashxhigh84.3%–2026-11-02
11GLM 5.3max84.3%58.82026-09-22
12GPT-5.6 Solxhigh82.4%63.92026-09-22
13Muse Spark Openxhigh82.3%53.52026-10-16
14Claude Sonnet 5.5xhigh70.6%62.52026-10-12
15Gemini 3.8 Flashhigh58.8%59.42026-09-22
16Inklingxhigh56.9%50.02026-09-22
17Claude Haiku 5.5high52.9%55.32026-10-08
18Claude Haiku 4.5xhigh25.5%–2026-09-22

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 HARD 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/scale_swe_bench_pro_v2_hard。

SWE-Bench Pro V2 HARD:常见问题

SWE-Bench Pro V2 HARD 衡量的是什么?
SWE-Bench Pro V2 中最难的子集。Scale AI。分数以完成任务的百分比表示,越高越好。
SWE-Bench Pro V2 HARD 的最高分是多少?
截至 2026年11月16日,SWE-Bench Pro V2 HARD 的最高分为 98.0%,由 Claude Opus 5 取得(结果日期 2026年9月22日),领先于 Claude Fable 5.1(92.2%)。分数来自 Scale AI SEAL,每天重新读取。
哪个 AI 模型在 SWE-Bench Pro V2 HARD 上领先?
截至 2026年11月16日,SWE-Bench Pro V2 HARD 排名第一的是 Claude Opus 5,分数为 98.0%(结果日期 2026年9月22日)。其后为 Claude Fable 5.1(92.2%)。
有多少模型有 SWE-Bench Pro V2 HARD 结果?
BenchLeader 上有 18 个模型配置有 SWE-Bench Pro V2 HARD 结果,全部取自 Scale AI SEAL。
SWE-Bench Pro V2 HARD 由谁运行,多久更新一次?
SWE-Bench Pro V2 HARD 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 HARD 是否计入 BenchLeader Index?
不计入。SWE-Bench Pro V2 HARD 仅作参考展示,不计入综合分数。