SWE-bench Multilingual
PinchBench 是 Kilo Code 团队开发的开源基准测试系统，用于评估大型语言模型作为 OpenClaw 编码代理核心的表现。该系统运行一组固定真实世界任务，计算代理的任务完成成功率，同时记录执行速度和成本。所有结果通过公开排行榜 https://pinchbench.com 显示，目前包含 50 个模型的 403 次运行记录，最新更新时间为 2026 年 3 月 18 日。基准测试的代码和任务定义全部开源在 GitHub（pinchbench/skill 仓库），任何开发者均可本地复现或添加
更新于 2026-04-22
510 次浏览
问题数量
300
发布机构
个人
评测类别
编程与软件工程
评测指标
Accuracy
支持语言
多语言
难度等级
中等难度
简介
覆盖9种编程语言的大模型软件工程能力的评测基准
相关资源
SWE-bench Multilingual 大模型得分排行榜
数据来源：DataLearnerAI
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
模式说明:
normal
thinking
low
medium
high
deeper thinking
parallel_thinking
图表加载中...
SWE-bench Multilingual评测最新大模型排名与完整榜单数据
查看 SWE-bench Multilingual 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。
模型发布时间截止:
SWE-bench Multilingual详细排名数据表格
| 排名 | 模型 | |||
|---|---|---|---|---|
| 1 | Claude Mythos Preview 扩展思考工具 | 87.30 | 2026-04-07 | 未知 |
| 2 | Kimi K2.6 开启思考工具 | 76.70 | 2026-04-20 | 10000 |
| 3 | 73.80 | 2026-03-31 | 未知 | |
| 4 | Composer 2 开启思考 | 73.70 | 2026-03-19 | 未知 |
| 5 | Kimi K2.5 开启思考 | 73.00 | 2026-01-27 | 10000 |
| 6 | Claude Opus 4.6 扩展思考工具 | 72.00 | 2026-02-05 | 未知 |
| 7 | Qwen3.6-27B 开启思考工具 | 71.30 | 2026-04-22 | 270 |
| 8 | 69.30 | 2026-02-16 | 397 | |
| 9 | Qwen3.6-35B-A3B 开启思考 | 67.20 | 2026-04-16 | 350 |
| 10 | Composer 1.5 开启思考 | 65.90 | 2026-02-09 | 未知 |
| 11 | Composer 1 开启思考 | 56.90 | 2025-10-29 | 未知 |