BenchLeader

SWE Atlas v1.0: Test Writing 排行榜

截至 2026年11月16日,SWE Atlas v1.0: Test Writing 的最高分为 67.0%,由 Claude Fable 5.1(Anthropic)取得,领先于 Claude Opus 5(62.2%)。共有 22 个模型配置公布了结果(Scale AI SEAL,结果日期 2026年9月2日)。模型为真实代码编写测试,按覆盖率和正确性评分。SWE Atlas v1.0: Test Writing 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • Claude Fable 5.1 以 67.0% 保持 SWE Atlas v1.0: Test Writing 最高分(Scale AI SEAL,2026年9月2日)。
  • Claude Opus 5 以 62.2% 位列 SWE Atlas v1.0: Test Writing 第二(Scale AI SEAL,2026年8月4日)。
  • SWE Atlas v1.0: Test Writing:为现有代码编写测试。Scale AI。停留在 v1.0;v1.1 用新的评审模型重新运行了所有模型(Scale AI SEAL)。
  • BenchLeader 上有 22 个模型配置公布了 SWE Atlas v1.0: Test Writing 结果(BenchLeader,2026年11月16日)。
  • SWE Atlas v1.0: Test Writing 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

为现有代码编写测试。Scale AI。停留在 v1.0;v1.1 用新的评审模型重新运行了所有模型。

发布方
Scale AI SEAL
类别
编程
Index 权重
仅作参考
模型
22
数据截至
2026年11月16日

Scale AI SEAL Leaderboards.

该排行榜已冻结。如今沿用这个名称的是另一项较新的测试,其分数见 SWE Atlas v1.1: Test Writing。

测试内容

模型为真实代码编写测试,按覆盖率和正确性评分。

评分方式

得分,由 Scale AI 发布。

注意事项

这是一项特定的工程技能。

22 / 22
#
1Claude Fable 5.1xhigh67.0%64.62026-09-02
2Claude Opus 5xhigh62.2%60.12026-08-04
3Claude Fable 5xhigh55.6%–2026-06-11
4Gemini 3.8 Flash53.7%56.42026-09-09
5GPT-6 Astraxhigh50.7%66.02026-09-09
6Claude Opus 4.8xhigh49.6%–2026-06-08
7GPT-5.6 Solxhigh45.9%63.92026-07-28
8GPT-5.4xhigh44.4%63.12026-03-26
9GPT-5.5xhigh42.6%64.12026-05-07
10Muse Spark 1.1xhigh41.5%59.52026-07-09
11GLM 5.241.5%51.92026-06-23
12GPT-5.3 Chatxhigh39.0%–2026-03-26
13Claude Opus 4.738.5%63.12026-06-18
14Claude Opus 4.636.7%62.12026-03-26
15Claude Sonnet 4.631.8%57.62026-03-26
16Muse Spark31.1%64.22026-04-08
17Gemini 3 Flash30.3%56.52026-03-26
18Gemini 3.1 Pro29.8%59.92026-03-26
19GLM-528.7%54.92026-03-26
20DeepSeek V4 Pro27.1%53.02026-06-18
21Kimi K2.525.8%54.62026-03-26
22MiniMax M2.518.6%53.72026-03-26

更多编程基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《SWE Atlas v1.0: Test Writing 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/scale_sweatlas_tw。

SWE Atlas v1.0: Test Writing:常见问题

SWE Atlas v1.0: Test Writing 衡量的是什么?
模型为真实代码编写测试,按覆盖率和正确性评分。分数以完成任务的百分比表示,越高越好。
SWE Atlas v1.0: Test Writing 的最高分是多少?
截至 2026年11月16日,SWE Atlas v1.0: Test Writing 的最高分为 67.0%,由 Claude Fable 5.1 取得(结果日期 2026年9月2日),领先于 Claude Opus 5(62.2%)。分数来自 Scale AI SEAL,每天重新读取。
哪个 AI 模型在 SWE Atlas v1.0: Test Writing 上领先?
截至 2026年11月16日,SWE Atlas v1.0: Test Writing 排名第一的是 Claude Fable 5.1,分数为 67.0%(结果日期 2026年9月2日)。其后为 Claude Opus 5(62.2%)。
有多少模型有 SWE Atlas v1.0: Test Writing 结果?
BenchLeader 上有 22 个模型配置有 SWE Atlas v1.0: Test Writing 结果,全部取自 Scale AI SEAL。
SWE Atlas v1.0: Test Writing 由谁运行,多久更新一次?
SWE Atlas v1.0: Test Writing 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 Atlas v1.0: Test Writing 是否计入 BenchLeader Index?
不计入。SWE Atlas v1.0: Test Writing 仅作参考展示,不计入综合分数。