SWE-bench Verified
500 个经人工筛查的真实 GitHub issue 修复任务；本站展示统一 mini-SWE-agent 口径。
收录成绩1313 个模型或系统
当前第一76.8Claude 4.5 Opus（high，mini-SWE-agent 2.0.0）
指标解决率通过容器测试并解决任务的实例比例（%）
最近同步10-19 14:311 个数据源 · 仓库级软件修复
排名表
显示 13 / 13
| 模型 | 机构 | 参数 | 开源 | 评测设置 | 来源 | 备注 | |||
|---|---|---|---|---|---|---|---|---|---|
| 1 | Claude 4.5 Opus（high，mini-SWE-agent 2.0.0） | Anthropic | — | — | 76.8 | — | 官方榜单 | 2026-10-19 | 定位：官方 Verified 榜单，Agent=mini-SWE-agent、Release=2.0.0，访问于 2026-10-19；来源发布日期：2026-02-17；SWE-bench 团队统一运行；500 题；minimal bash 环境；high。 |
| 2 | Gemini 3 Flash（high，mini-SWE-agent 2.0.0） | — | — | 75.8 | — | 官方榜单 | 2026-10-19 | 定位：官方 Verified 榜单，同一筛选，第 2 项；来源发布日期：2026-02-17；团队统一运行；500 题；minimal bash；high。 | |
| 2 | MiniMax M2.5（high，mini-SWE-agent 2.0.0） | MiniMax | — | — | 75.8 | — | 官方榜单 | 2026-10-19 | 定位：官方 Verified 榜单，同一筛选，第 3 项；来源发布日期：2026-02-17；团队统一运行；500 题；minimal bash；high。 |
| 4 | Claude 4.6 Opus（mini-SWE-agent 2.0.0） | Anthropic | — | — | 75.6 | — | 官方榜单 | 2026-10-19 | 定位：官方 Verified 榜单，同一筛选，第 4 项；来源发布日期：2026-02-17；团队统一运行；500 题；minimal bash。 |
| 5 | GLM 5（high，mini-SWE-agent 2.0.0） | Z.ai | — | — | 72.8 | — | 官方榜单 | 2026-10-19 | 定位：官方 Verified 榜单，同一筛选，第 5 项；来源发布日期：2026-02-17；团队统一运行；500 题；minimal bash；high。 |
| 5 | GPT-5.2 Codex（mini-SWE-agent 2.0.0） | OpenAI | — | — | 72.8 | — | 官方榜单 | 2026-10-19 | 定位：官方 Verified 榜单，同一筛选，第 7 项；来源发布日期：2026-02-19；团队统一运行；500 题；minimal bash。 |
| 5 | GPT-5.2（high，mini-SWE-agent 2.0.0） | OpenAI | — | — | 72.8 | — | 官方榜单 | 2026-10-19 | 定位：官方 Verified 榜单，同一筛选，第 6 项；来源发布日期：2026-02-17；团队统一运行；500 题；minimal bash；high。 |
| 8 | Claude 4.5 Sonnet（high，mini-SWE-agent 2.0.0） | Anthropic | — | — | 71.4 | — | 官方榜单 | 2026-10-19 | 定位：官方 Verified 榜单，同一筛选，第 8 项；来源发布日期：2026-02-17；团队统一运行；500 题；minimal bash；high。 |
| 9 | Kimi K2.5（high，mini-SWE-agent 2.0.0） | Moonshot AI | — | — | 70.8 | — | 官方榜单 | 2026-10-19 | 定位：官方 Verified 榜单，同一筛选，第 9 项；来源发布日期：2026-02-17；团队统一运行；500 题；minimal bash；high。 |
| 10 | DeepSeek V3.2（high，mini-SWE-agent 2.0.0） | DeepSeek | — | — | 70.0 | — | 官方榜单 | 2026-10-19 | 定位：官方 Verified 榜单，同一筛选，第 10 项；来源发布日期：2026-02-17；团队统一运行；500 题；minimal bash；high。 |
| 11 | Gemini 3 Pro（high，mini-SWE-agent 2.0.0） | — | — | 69.6 | — | 官方榜单 | 2026-10-19 | 定位：官方 Verified 榜单，同一筛选，第 11 项；来源发布日期：2026-02-26；团队统一运行；500 题；minimal bash；high。 | |
| 12 | Claude 4.5 Haiku（high，mini-SWE-agent 2.0.0） | Anthropic | — | — | 66.6 | — | 官方榜单 | 2026-10-19 | 定位：官方 Verified 榜单，同一筛选，第 12 项；来源发布日期：2026-02-17；团队统一运行；500 题；minimal bash；high。 |
| 13 | GPT-5 mini（mini-SWE-agent 2.0.0） | OpenAI | — | — | 56.2 | — | 官方榜单 | 2026-10-19 | 定位：官方 Verified 榜单，同一筛选，第 13 项；来源发布日期：2026-02-17；团队统一运行；500 题；minimal bash。 |
榜单说明
第 3 批接入- 指标
- 解决率：通过容器测试并解决任务的实例比例（%）（越高越好）
- 数据源
- 来源类型
- 官方榜单 13
分数取自数据源原文；同一模型在不同评测设置或不同来源下分别列出，来源冲突时全部保留并标注来源类型。
更新记录
0 条首次同步作为基线，之后新上榜、分数变化和移除的条目会记录在这里。