SWE-bench Multimodal 排行榜
截至 2026年11月16日,SWE-bench Multimodal 的最高分为 70.2%,由 Claude Opus 5.5(Anthropic)取得,领先于 Claude Fable 5.2(62.3%)。共有 22 个模型配置公布了结果(Vals AI,结果日期 2026年11月9日)。来自 JavaScript 仓库、问题体现在界面上的 GitHub issue,修复时需要看懂图片。由 Vals AI 运行。SWE-bench Multimodal 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- Claude Opus 5.5 以 70.2% 保持 SWE-bench Multimodal 最高分(Vals AI,2026年11月9日)。
- Claude Fable 5.2 以 62.3% 位列 SWE-bench Multimodal 第二(Vals AI,2026年11月9日)。
- SWE-bench Multimodal:来自 JavaScript 仓库、问题体现在界面上的 GitHub issue,修复时需要看懂图片。由 Vals AI 运行(Vals AI)。
- BenchLeader 上有 22 个模型配置公布了 SWE-bench Multimodal 结果(BenchLeader,2026年11月16日)。
- SWE-bench Multimodal 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
来自 JavaScript 仓库、问题体现在界面上的 GitHub issue,修复时需要看懂图片。由 Vals AI 运行。
- 发布方
- Vals AI
- 类别
- 编程
- Index 权重
- 仅作参考
- 模型
- 22
- 数据截至
- 2026年11月16日
Vals AI (vals.ai).
- 1Claude Opus 5.5 (max)70.2%
- 2Claude Fable 5.2 (high)62.3%
- 3Claude Fable 5.1 (max)61.3%
- 4Claude Sonnet 5.5 (max)58.3%
- 5Gemini 4 Argon (high)56.0%
- 6Muse Wonder Full (max)47.3%
- 7DeepSeek V4.1 Flash (max)46.5%
- 8Muse Wonder (max)45.6%
- 9Kimi K3 (max)44.2%
- 10Claude Haiku 5.5 (max)44.0%
- 11GPT-6.1 Sol (max)43.5%
- 12GPT-6 Astra (max)43.3%
- 13Muse Spark 1.3 (max)43.1%
- 14Inkling 2 Small43.1%
- 15Grok 4.7 (xhigh)42.9%
22 / 22
| # | |||||
|---|---|---|---|---|---|
| 1 | 70.2% | 68.4 | $3.63 | 2026-11-09 | |
| 2 | 新 | 62.3% | 68.4 | $1.84 | 2026-11-09 |
| 3 | 61.3% | 66.7 | $5.46 | 2026-11-09 | |
| 4 | 58.3% | 64.2 | $3.26 | 2026-11-09 | |
| 5 | 56.0% | 65.3 | $11.40 | 2026-11-09 | |
| 6 | 47.3% | 61.7 | $1.86 | 2026-11-09 | |
| 7 | 46.5% | 58.5 | $0.226 | 2026-11-09 | |
| 8 | 45.6% | 60.8 | $1.70 | 2026-11-09 | |
| 9 | 44.2% | 60.2 | $1.65 | 2026-11-09 | |
| 10 | 44.0% | 55.3 | $0.705 | 2026-11-09 | |
| 11 | 43.5% | 66.6 | $0.351 | 2026-11-09 | |
| 12 | 43.3% | 67.3 | $1.81 | 2026-11-09 | |
| 13 | 43.1% | 60.6 | $0.864 | 2026-11-09 | |
| 14 | 43.1% | 57.9 | $0.295 | 2026-11-09 | |
| 15 | 42.9% | 57.4 | $4.66 | 2026-11-09 | |
| 16 | 42.5% | 58.7 | $0.994 | 2026-11-09 | |
| 17 | 41.3% | 57.5 | $0.122 | 2026-11-09 | |
| 18 | 40.8% | 59.4 | $3.69 | 2026-11-09 | |
| 19 | 40.8% | 56.0 | $0.614 | 2026-11-09 | |
| 20 | 37.5% | 55.1 | $0.032 | 2026-11-09 | |
| 21 | 33.3% | 56.1 | $1.02 | 2026-11-09 | |
| 22 | 33.1% | 48.3 | $2.64 | 2026-11-09 |
相关基准测试
SWE-bench Multimodal 上的热门模型对比
引用格式:BenchLeader,《SWE-bench Multimodal 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/vals_swebench_multimodal。
SWE-bench Multimodal:常见问题
- SWE-bench Multimodal 衡量的是什么?
- 来自 JavaScript 仓库、问题体现在界面上的 GitHub issue,修复时需要看懂图片。由 Vals AI 运行。分数以完成任务的百分比表示,越高越好。
- SWE-bench Multimodal 的最高分是多少?
- 截至 2026年11月16日,SWE-bench Multimodal 的最高分为 70.2%,由 Claude Opus 5.5 取得(结果日期 2026年11月9日),领先于 Claude Fable 5.2(62.3%)。分数来自 Vals AI,每天重新读取。
- 哪个 AI 模型在 SWE-bench Multimodal 上领先?
- 截至 2026年11月16日,SWE-bench Multimodal 排名第一的是 Claude Opus 5.5,分数为 70.2%(结果日期 2026年11月9日)。其后为 Claude Fable 5.2(62.3%)。
- 有多少模型有 SWE-bench Multimodal 结果?
- BenchLeader 上有 22 个模型配置有 SWE-bench Multimodal 结果,全部取自 Vals AI。
- SWE-bench Multimodal 由谁运行,多久更新一次?
- SWE-bench Multimodal 由 Vals AI 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 Multimodal 是否计入 BenchLeader Index?
- 不计入。SWE-bench Multimodal 仅作参考展示,不计入综合分数。