查看 SWE-Bench Pro V2 Hard 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 | |||
|---|---|---|---|---|---|
— |  Claude Opus 5 思考水平·极高工具 | 98.00 | 2026-07-24 | 未知 | 闭源 |
— | Claude Fable 5.1 思考水平·高工具 | 92.20 | 2026-09-01 | 未知 | 闭源 |
— |  GPT-6 Astra 思考水平·高工具 | 90.20 | 2026-09-03 | 未知 | 闭源 |
— | Claude Sonnet 5 思考水平·极高工具 | 88.20 | 2026-06-30 | 未知 | 闭源 |
— |  Kimi K3 思考水平·Max工具 | 88.20 | 2026-07-16 | 28000亿 | 有条件商用 |
— | GPT-5.6 Terra 思考水平·极高工具 | 86.30 | 2026-06-26 | 未知 | 闭源 |
— |  GLM-5.3 思考水平·Max工具 | 84.30 | 2026-08-14 | 7440亿 | 有条件商用 |
— | GPT-5.6 Sol 思考水平·极高工具 | 82.40 | 2026-06-26 | 未知 | 闭源 |
— |  Gemini 3.8 Flash 思考水平·高工具 | 58.80 | 2026-09-02 | 未知 | 闭源 |
— | Inkling 思考水平·极高工具 | 56.90 | 2026-07-15 | 9750亿 | 免费商用 |
— | Haiku 4.5 思考水平·极高工具 | 25.50 | 2025-10-15 | 未知 | 闭源 |
官方指标为一次运行的 Resolve Rate（百分比）；代理阶段仅能访问模型端点，提交补丁在干净环境重新评分。公开题库及修复提交可能已进入模型训练数据，因此公开集成绩不等同于未见过代码的泛化能力。不同智能体框架见官方榜单。 来源：https://labs.scale.com/leaderboard/swe_bench_pro_public_v2
