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。
- 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)98.0%
- 2Claude Fable 5.1 (high)92.2%
- 3Gemini 4 Argon (high)92.2%
- 4GPT-6 Astra (high)90.2%
- 5Muse Wonder (xhigh)90.2%
- 6Kimi K3 (max)88.2%
- 7Claude Sonnet 5 (xhigh)88.2%
- 8GPT-5.6 Terra (xhigh)86.3%
- 9Inkling 2 Small86.3%
- 10MiniMax M3.1 Flash (xhigh)84.3%
- 11GLM 5.3 (max)84.3%
- 12GPT-5.6 Sol (xhigh)82.4%
- 13Muse Spark Open (xhigh)82.3%
- 14Claude Sonnet 5.5 (xhigh)70.6%
- 15Gemini 3.8 Flash (high)58.8%
18 / 18
| # | ||||
|---|---|---|---|---|
| 1 | 98.0% | 60.1 | 2026-09-22 | |
| 2 | 92.2% | 63.7 | 2026-09-22 | |
| 3 | 92.2% | 65.3 | 2026-10-14 | |
| 4 | 90.2% | 66.3 | 2026-09-22 | |
| 5 | 90.2% | – | 2026-10-14 | |
| 6 | 88.2% | 60.2 | 2026-09-22 | |
| 7 | 88.2% | 55.4 | 2026-09-22 | |
| 8 | 86.3% | 60.1 | 2026-09-22 | |
| 9 | 86.3% | 57.9 | 2026-11-06 | |
| 10 | 84.3% | – | 2026-11-02 | |
| 11 | 84.3% | 58.8 | 2026-09-22 | |
| 12 | 82.4% | 63.9 | 2026-09-22 | |
| 13 | 82.3% | 53.5 | 2026-10-16 | |
| 14 | 70.6% | 62.5 | 2026-10-12 | |
| 15 | 58.8% | 59.4 | 2026-09-22 | |
| 16 | 56.9% | 50.0 | 2026-09-22 | |
| 17 | 52.9% | 55.3 | 2026-10-08 | |
| 18 | 25.5% | – | 2026-09-22 |
相关基准测试
SWE-Bench Pro V2 HARD 上的热门模型对比
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。