BenchLeader

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。

在找 SWE-Bench Pro?→

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).

22 / 22
#
1Claude Opus 5.5max70.2%68.4$3.632026-11-09
2新Claude Fable 5.2high62.3%68.4$1.842026-11-09
3Claude Fable 5.1max61.3%66.7$5.462026-11-09
4Claude Sonnet 5.5max58.3%64.2$3.262026-11-09
5Gemini 4 Argonhigh56.0%65.3$11.402026-11-09
6Muse Wonder Fullmax47.3%61.7$1.862026-11-09
7DeepSeek V4.1 Flashmax46.5%58.5$0.2262026-11-09
8Muse Wondermax45.6%60.8$1.702026-11-09
9Kimi K3max44.2%60.2$1.652026-11-09
10Claude Haiku 5.5max44.0%55.3$0.7052026-11-09
11GPT-6.1 Solmax43.5%66.6$0.3512026-11-09
12GPT-6 Astramax43.3%67.3$1.812026-11-09
13Muse Spark 1.3max43.1%60.6$0.8642026-11-09
14Inkling 2 Small43.1%57.9$0.2952026-11-09
15Grok 4.7xhigh42.9%57.4$4.662026-11-09
16Qwen3.8 Maxmax42.5%58.7$0.9942026-11-09
17MiMo-V2.6-Pro41.3%57.5$0.1222026-11-09
18Gemini 3.8 Flashhigh40.8%59.4$3.692026-11-09
19Step 5 Preview40.8%56.0$0.6142026-11-09
20GPT-6 Lunamax37.5%55.1$0.0322026-11-09
21MiniMax M333.3%56.1$1.022026-11-09
22Mistral Large 4high33.1%48.3$2.642026-11-09

更多编程基准测试 · 全部大模型基准测试

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。