SWE-bench Multilingual (bash only) 排行榜
截至 2026年11月16日,SWE-bench Multilingual (bash only) 的最高分为 72.7%,由 Gemini 3 Flash(Google)取得,领先于 Claude Opus 4.6(72.0%)。共有 13 个模型配置公布了结果(SWE-bench,结果日期 2026年2月13日)。来自 42 个仓库、覆盖 9 种编程语言的 300 个真实 GitHub 问题,由 SWE-bench 团队用极简 bash-only mini-SWE-agent 框架运行。SWE-bench Multilingual (bash only) 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- Gemini 3 Flash 以 72.7% 保持 SWE-bench Multilingual (bash only) 最高分(SWE-bench,2026年2月13日)。
- Claude Opus 4.6 以 72.0% 位列 SWE-bench Multilingual (bash only) 第二(SWE-bench,2026年2月13日)。
- SWE-bench Multilingual (bash only):来自 42 个仓库、覆盖 9 种编程语言的 300 个真实 GitHub 问题,由 SWE-bench 团队用极简 bash-only mini-SWE-agent 框架运行(SWE-bench)。
- BenchLeader 上有 13 个模型配置公布了 SWE-bench Multilingual (bash only) 结果(BenchLeader,2026年11月16日)。
- SWE-bench Multilingual (bash only) 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
来自 42 个仓库、覆盖 9 种编程语言的 300 个真实 GitHub 问题,由 SWE-bench 团队用极简 bash-only mini-SWE-agent 框架运行。
- 发布方
- SWE-bench
- 类别
- 编程
- Index 权重
- 仅作参考
- 模型
- 13
- 数据截至
- 2026年11月16日
- 最新结果
- 2026年2月20日
自 2026年2月20日 以来,发布方没有在该排行榜上公布新结果。BenchLeader 每天都会重新读取,新模型的结果一经公布就会出现在这里。
SWE-bench (Jimenez et al. 2024), swebench.com.
- 1Gemini 3 Flash72.7%
- 2Claude Opus 4.672.0%
- 3Claude Opus 4.570.7%
- 4GLM-569.7%
- 5Gemini 3 Pro68.7%
- 6MiniMax M2.568.3%
- 7Kimi K2.567.3%
- 8Claude Sonnet 4.567.0%
- 9GPT-5.2 (high)66.7%
- 10GPT-5.2-Codex66.3%
- 11Claude Haiku 4.564.7%
- 12DeepSeek V3.259.0%
- 13GPT-5 mini39.7%
13 / 13
| # | ||||||
|---|---|---|---|---|---|---|
| 1 | 72.7% | 56.5 | mini-SWE-agent | $105.55 | 2026-02-13 | |
| 2 | 72.0% | 62.1 | mini-SWE-agent | $198.89 | 2026-02-13 | |
| 3 | 70.7% | 57.1 | mini-SWE-agent | $250.07 | 2026-02-13 | |
| 4 | 69.7% | 54.9 | mini-SWE-agent | $192.74 | 2026-02-13 | |
| 5 | 68.7% | 60.0 | mini-SWE-agent | $306.33 | 2026-02-13 | |
| 6 | 68.3% | 53.7 | mini-SWE-agent | $30.06 | 2026-02-16 | |
| 7 | 67.3% | 54.6 | mini-SWE-agent | $207.85 | 2026-02-13 | |
| 8 | 67.0% | 53.8 | mini-SWE-agent | $200.86 | 2026-02-13 | |
| 9 | 66.7% | 55.8 | mini-SWE-agent | $160.92 | 2026-02-13 | |
| 10 | 66.3% | 57.6 | mini-SWE-agent | $198.65 | 2026-02-20 | |
| 11 | 64.7% | 47.7 | mini-SWE-agent | $113.85 | 2026-02-13 | |
| 12 | 59.0% | 50.2 | mini-SWE-agent | $115.15 | 2026-02-13 | |
| 13 | 39.7% | 56.6 | mini-SWE-agent | $15.49 | 2026-02-13 |
相关基准测试
引用格式:BenchLeader,《SWE-bench Multilingual (bash only) 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/swe_bench_multilingual。
SWE-bench Multilingual (bash only):常见问题
- SWE-bench Multilingual (bash only) 衡量的是什么?
- 来自 42 个仓库、覆盖 9 种编程语言的 300 个真实 GitHub 问题,由 SWE-bench 团队用极简 bash-only mini-SWE-agent 框架运行。分数以完成任务的百分比表示,越高越好。
- SWE-bench Multilingual (bash only) 的最高分是多少?
- 截至 2026年11月16日,SWE-bench Multilingual (bash only) 的最高分为 72.7%,由 Gemini 3 Flash 取得(结果日期 2026年2月13日),领先于 Claude Opus 4.6(72.0%)。分数来自 SWE-bench,每天重新读取。
- 哪个 AI 模型在 SWE-bench Multilingual (bash only) 上领先?
- 截至 2026年11月16日,SWE-bench Multilingual (bash only) 排名第一的是 Gemini 3 Flash,分数为 72.7%(结果日期 2026年2月13日)。其后为 Claude Opus 4.6(72.0%)。
- 有多少模型有 SWE-bench Multilingual (bash only) 结果?
- BenchLeader 上有 13 个模型配置有 SWE-bench Multilingual (bash only) 结果,全部取自 SWE-bench。
- SWE-bench Multilingual (bash only) 由谁运行,多久更新一次?
- SWE-bench Multilingual (bash only) 由 SWE-bench 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 Multilingual (bash only) 是否计入 BenchLeader Index?
- 不计入。SWE-bench Multilingual (bash only) 仅作参考展示,不计入综合分数。