FrontierSWE v2

Name: FrontierSWE v2
Creator: Proximal Labs

不同版本的分数默认不直接比较。

v1: relative mean/best@5 ranks and dominance over 17 tasks; v2: absolute normalised mean/best/worst@5 scores over 34 tasks. Dataset and methodology changed; scores are not comparable across editions.

更新于 2026年10月8日·0 次浏览

问题数量: 34
发布机构: Proximal Labs
评测类别: 仓库修复与多文件工程
评测指标: Mean@5 score (%) · 越高越好
支持语言: English
难度等级: Advanced

简介

FrontierSWE v2 由 Proximal Labs 发布，包含 34 项超长周期工程与科研任务，覆盖实现、性能优化、AI 研究、科学计算与视觉推理。每项任务运行 5 次，每次预算 20 小时；采用 Proximus harness，并使用最高推理强度。任务分数归一化到 0–1，主榜为全部任务的 mean@5 平均分（百分比）。另列 best@5、worst@5、类别分数及每次任务运行的平均成本与耗时。v2 移除 4 项 v1 任务、新增 21 项任务并改变评测方法，成绩不可与 v1 Dominance 直接比较。Claude Fable 5.1 在受内容过滤限制的任务使用 Opus 5 fallback；Gemini 4 Argon 的非生产设置导致缓存命中率偏低。

FrontierSWE v2评测最新大模型排名与完整榜单数据

查看 FrontierSWE v2 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。

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

模型模式说明

许可证:

来源:

模型发布时间截止:

排名	模型				开源情况
	GPT-6 Astra 思考水平·Max工具	65.51	2026-09-03	未知	闭源
	Claude Opus 5.5 思考水平·Max工具	62.33	2026-09-22	未知	闭源
	Claude Sonnet 5.5 思考水平·Max工具	61.89	2026-09-28	未知	闭源
4	Claude Fable 5.1 思考水平·Max工具	56.29	2026-09-01	未知	闭源
5	Gemini 4 Argon 思考水平·Max工具	54.96	2026-09-30	未知	闭源
6	Claude Opus 5 思考水平·Max工具	52.01	2026-07-24	未知	闭源
7	Claude Fable 5 思考水平·Max工具	46.96	2026-06-09	未知	闭源
8	Claude Haiku 5.5 思考水平·Max工具	43.77	2026-10-07	未知	—
9	GPT-5.6 Sol 思考水平·Max工具	32.20	2026-06-26	未知	闭源
10	GLM-5.3 思考水平·Max工具	30.18	2026-08-14	7440亿	有条件商用
11	Grok 4.7 思考水平·Max工具	29.50	2026-09-21	未知	闭源
12	Kimi K3 思考水平·Max工具	25.86	2026-07-16	28000亿	有条件商用
13	Muse Spark 1.3 思考水平·Max工具	25.80	2026-09-02	未知	闭源
14	Grok 4.6 思考水平·Max工具	25.29	2026-08-12	未知	闭源
15	Gemini 3.7 Flash 思考水平·Max工具	20.26	2026-08-13	未知	闭源
16	Gemini 3.8 Flash 思考水平·Max工具	19.63	2026-09-02	未知	闭源
17	GLM-5.3-Flash 思考水平·Max工具	18.13	2026-08-26	3200亿	免费商用
18	Qwen3.8-Max-0902 思考水平·Max工具	17.81	2026-09-02	24000亿	闭源
19	Qwen3.8-Max 思考水平·Max工具	15.81	2026-08-03	24000亿	有条件商用
20	DeepSeek-V4-Flash-Vision-Exp 思考水平·Max工具	14.83	2026-08-21	3050亿	免费商用
21	Muse Spark 1.2 思考水平·Max工具	11.97	2026-08-05	未知	闭源
22	Inkling 思考水平·Max工具	4.12	2026-07-15	9750亿	免费商用

最新排行榜得分解析

Official leaderboard snapshot: 2026-10-08. 22 model/harness pairs. Scores retain the published metric and harness. Values below are rounded to four decimals; the leaderboard import retains source precision.

Official v2 aggregates: all 22 model/harness pairs

Model	Harness	Mean@5 (%)	Best@5 (%)	Worst@5 (%)	Implementation (%)	Performance (%)	Research (%)	USD/task trial	Seconds/task trial	Cost note
GPT-6 Astra	proximus	65.5076	73.0046	55.1106	86.9459	48.3121	59.1123	1029.6468	43562.7692
Claude Opus 5.5	proximus	62.331	71.5153	51.9918	80.3913	45.2926	57.3254	98.8667	51292.0491
Claude Sonnet 5.5	proximus	61.8893	71.6854	50.9265	81.1018	48.0575	54.5154	110.4466	57620.6667
Claude Fable 5.1	proximus	56.2908	66.6539	44.4651	73.2215	43.1366	51.3506	138.547	41827.8545
Gemini 4 Argon	proximus	54.9612	64.3045	44.4504	74.46	35.0357	47.6685	129.3638	38020.9193	Cache hit rate is much lower due to a non-production setting.
Claude Opus 5	proximus	52.0118	60.6518	39.1214	70.528	37.7919	42.4913	196.7129	57847.3412
Claude Fable 5	proximus	46.9645	61.7721	33.9002	63.6868	33.694	40.4509	301.2782	56966.4
Claude Haiku 5.5	proximus	43.7687	52.753	34.487	54.3242	28.7227	37.4642	20.5477	44698.9091
GPT-5.6 Sol	proximus	32.2025	44.1738	22.2008	40.3887	22.0073	28.196	179.6399	30950.2588
GLM-5.3	proximus	30.1819	40.6443	17.7163	34.6486	20.5641	25.5618	97.2233	61327.3846
Grok 4.7	proximus	29.5048	41.0606	15.8731	36.3864	18.2223	23.759	318.7717	43428.7059
Kimi K3	proximus	25.865	37.5507	13.8659	29.8891	18.8232	21.0505	109.7105	66246.4204
Muse Spark 1.3	proximus	25.8021	40.9182	12.5894	28.7825	17.0503	22.1244	243.3443	61074.2118
Grok 4.6	proximus	25.2862	37.2907	12.8635	24.5671	16.3816	25.2092	243.4298	49668.497
Gemini 3.7 Flash	proximus	20.2606	31.2312	10.2849	24.8498	15.022	14.3051	34.1372	28337.5385
Gemini 3.8 Flash	proximus	19.6269	31.6428	9.5142	23.0439	14.877	16.4723	38.7545	25854.7765
GLM-5.3 Flash	proximus	18.1252	28.446	8.6052	19.5011	15.8361	13.2945	11.0342	58986.45
Qwen3.8-Max-0902	proximus	17.8096	26.7838	8.0654	13.8428	16.1579	16.0335	51.266	69702.6383
Qwen3.8-Max	proximus	15.8094	24.2652	8.7016	10.9429	11.8539	15.4732	55.1409	66532.05
DeepSeek V4 Flash Vision Exp	proximus	14.8313	26.4861	7.0131	12.5137	13.5095	12.631	8.5693	53395.7605
Muse Spark 1.2	proximus	11.9703	18.3591	6.8378	2.6507	11.4482	14.6768	27.808	16517.4353
Inkling	proximus	4.1189	10.7899	0.1263	0.3978	3.9282	5.4215	9.1481	4185.7412

FrontierSWE v2

版本：FrontierSWE v1 · FrontierSWE v2（当前）

不同版本的分数默认不直接比较。

v1: relative mean/best@5 ranks and dominance over 17 tasks; v2: absolute normalised mean/best/worst@5 scores over 34 tasks. Dataset and methodology changed; scores are not comparable across editions.

更新于 2026年10月8日·0 次浏览

FrontierSWE v2评测最新大模型排名与完整榜单数据

查看 FrontierSWE v2 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。

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

排名

模型

开源情况

GPT-6 Astra

思考水平·Max工具

65.51

2026-09-03

未知

闭源

Claude Opus 5.5

思考水平·Max工具

62.33

2026-09-22

未知

闭源

Claude Sonnet 5.5

思考水平·Max工具

61.89

2026-09-28

未知

闭源

Claude Fable 5.1

思考水平·Max工具

56.29

2026-09-01

未知

闭源

Gemini 4 Argon

思考水平·Max工具

54.96

2026-09-30

未知

闭源

Claude Opus 5

思考水平·Max工具

52.01

2026-07-24

未知

闭源

Claude Fable 5

思考水平·Max工具

46.96

2026-06-09

未知

闭源

Claude Haiku 5.5

思考水平·Max工具

43.77

2026-10-07

未知

—

GPT-5.6 Sol

思考水平·Max工具

32.20

2026-06-26

未知

闭源

GLM-5.3

思考水平·Max工具

30.18

2026-08-14

7440亿

有条件商用

Grok 4.7

思考水平·Max工具

29.50

2026-09-21

未知

闭源

Kimi K3

思考水平·Max工具

25.86

2026-07-16

28000亿

有条件商用

Muse Spark 1.3

思考水平·Max工具

25.80

2026-09-02

未知

闭源

Grok 4.6

思考水平·Max工具

25.29

2026-08-12

未知

闭源

Gemini 3.7 Flash

思考水平·Max工具

20.26

2026-08-13

未知

闭源

Gemini 3.8 Flash

思考水平·Max工具

19.63

2026-09-02

未知

闭源

GLM-5.3-Flash

思考水平·Max工具

18.13

2026-08-26

3200亿

免费商用

Qwen3.8-Max-0902

思考水平·Max工具

17.81

2026-09-02

24000亿

闭源

Qwen3.8-Max

思考水平·Max工具

15.81

2026-08-03

24000亿

有条件商用

DeepSeek-V4-Flash-Vision-Exp

思考水平·Max工具

14.83

2026-08-21

3050亿

免费商用

Muse Spark 1.2

思考水平·Max工具

11.97

2026-08-05

未知

闭源

Inkling

思考水平·Max工具

4.12

2026-07-15

9750亿

免费商用

最新排行榜得分解析

Official v2 aggregates: all 22 model/harness pairs

Model	Harness	Mean@5 (%)	Best@5 (%)	Worst@5 (%)	Implementation (%)	Performance (%)	Research (%)	USD/task trial	Seconds/task trial	Cost note
GPT-6 Astra	proximus	65.5076	73.0046	55.1106	86.9459	48.3121	59.1123	1029.6468	43562.7692
Claude Opus 5.5	proximus	62.331	71.5153	51.9918	80.3913	45.2926	57.3254	98.8667	51292.0491
Claude Sonnet 5.5	proximus	61.8893	71.6854	50.9265	81.1018	48.0575	54.5154	110.4466	57620.6667
Claude Fable 5.1	proximus	56.2908	66.6539	44.4651	73.2215	43.1366	51.3506	138.547	41827.8545
Gemini 4 Argon	proximus	54.9612	64.3045	44.4504	74.46	35.0357	47.6685	129.3638	38020.9193	Cache hit rate is much lower due to a non-production setting.
Claude Opus 5	proximus	52.0118	60.6518	39.1214	70.528	37.7919	42.4913	196.7129	57847.3412
Claude Fable 5	proximus	46.9645	61.7721	33.9002	63.6868	33.694	40.4509	301.2782	56966.4
Claude Haiku 5.5	proximus	43.7687	52.753	34.487	54.3242	28.7227	37.4642	20.5477	44698.9091
GPT-5.6 Sol	proximus	32.2025	44.1738	22.2008	40.3887	22.0073	28.196	179.6399	30950.2588
GLM-5.3	proximus	30.1819	40.6443	17.7163	34.6486	20.5641	25.5618	97.2233	61327.3846
Grok 4.7	proximus	29.5048	41.0606	15.8731	36.3864	18.2223	23.759	318.7717	43428.7059
Kimi K3	proximus	25.865	37.5507	13.8659	29.8891	18.8232	21.0505	109.7105	66246.4204
Muse Spark 1.3	proximus	25.8021	40.9182	12.5894	28.7825	17.0503	22.1244	243.3443	61074.2118
Grok 4.6	proximus	25.2862	37.2907	12.8635	24.5671	16.3816	25.2092	243.4298	49668.497
Gemini 3.7 Flash	proximus	20.2606	31.2312	10.2849	24.8498	15.022	14.3051	34.1372	28337.5385
Gemini 3.8 Flash	proximus	19.6269	31.6428	9.5142	23.0439	14.877	16.4723	38.7545	25854.7765
GLM-5.3 Flash	proximus	18.1252	28.446	8.6052	19.5011	15.8361	13.2945	11.0342	58986.45
Qwen3.8-Max-0902	proximus	17.8096	26.7838	8.0654	13.8428	16.1579	16.0335	51.266	69702.6383
Qwen3.8-Max	proximus	15.8094	24.2652	8.7016	10.9429	11.8539	15.4732	55.1409	66532.05
DeepSeek V4 Flash Vision Exp	proximus	14.8313	26.4861	7.0131	12.5137	13.5095	12.631	8.5693	53395.7605
Muse Spark 1.2	proximus	11.9703	18.3591	6.8378	2.6507	11.4482	14.6768	27.808	16517.4353
Inkling	proximus	4.1189	10.7899	0.1263	0.3978	3.9282	5.4215	9.1481	4185.7412

FrontierSWE v2

简介

相关资源

FrontierSWE v2评测最新大模型排名与完整榜单数据

最新排行榜得分解析

Official v2 aggregates: all 22 model/harness pairs

FrontierSWE v2

简介

相关资源

FrontierSWE v2评测最新大模型排名与完整榜单数据

最新排行榜得分解析

Official v2 aggregates: all 22 model/harness pairs

FrontierSWE v2评测最新大模型排名与完整榜单数据

FrontierSWE v2 排名

最新排行榜得分解析

Official v2 aggregates: all 22 model/harness pairs

FrontierSWE v2评测最新大模型排名与完整榜单数据

FrontierSWE v2 排名

最新排行榜得分解析

Official v2 aggregates: all 22 model/harness pairs