排行榜

能力评测站内热度

外部权威评测，保留原始分数与来源

综合编程 Agent 与工具推理与知识写作与对话语言行业视觉图像视频

综合编程前端 · React 前端 · HTML 设计稿转代码仓库级修复算法题

仓库级修复SWE-bench Verified：在真实 Python 开源仓库中定位并修复问题，以测试通过率计分；偏后端与工程场景。

第 1 名

Claude Opus 4.7MaxAnthropic

SWE-bench Verified

83.47%±3.31

领先第 2 名

+2.89统计并列

来源

仓库级修复排名33

model= /

第一梯队11 个模型与第 1 名在 95% 置信区间内无显著差异，名次先后不代表确定的强弱。

名次模型思考强度SWE-bench Verified· 95% 区间

01

Claude Opus 4.7

claude-opus-4-7_max

思考强度：Max

83.47%

02

GPT 5.5 Pre Release

gpt-5.5-pre-release_xhigh

思考强度：XHigh

80.58%

03

Gemini 3.5 Flash

gemini-3.5-flash_high

思考强度：High

79.34%

04

Claude Opus 4.6

claude-opus-4-6

思考强度：—

78.72%

05

GLM 5.2

glm-5.2_max

思考强度：Max

78.70%

06

DeepSeek V4 Pro

deepseek-v4-pro_max

思考强度：Max

77.64%

07

Qwen 3.7 Max

qwen3.7-max

思考强度：—

77.27%

08

GPT 5.4 (2026-03-05)

gpt-5.4-2026-03-05_high

思考强度：High

76.86%

09

Qwen 3.6 Max Preview

qwen3.6-max-preview

思考强度：—

76.65%

09

Kimi K2.6

kimi-k2.6

思考强度：—

76.65%

09

Claude Opus 4.5 (20251101)

claude-opus-4-5-20251101

思考强度：—

76.65%

12

Gemini 3.1 Pro Preview Customtools

gemini-3.1-pro-preview-customtools

思考强度：—

75.62%

13

Gemini 3 Flash Preview

gemini-3-flash-preview

思考强度：—

75.41%

14

Claude Sonnet 4.6

claude-sonnet-4-6

思考强度：—

75.21%

15

GPT 5.3 Codex

gpt-5.3-codex_high

思考强度：High

74.79%

16

GLM 5.1

glm-5.1

思考强度：—

74.17%

17

GPT 5.2 (2025-12-11)

gpt-5.2-2025-12-11_high

思考强度：High

73.76%

17

Kimi K2.5

kimi-k2.5

思考强度：—

73.76%

19

GPT 5 (2025-08-07)

gpt-5-2025-08-07_high

思考强度：High

73.55%

20

Claude Opus 4.1 (20250805)

claude-opus-4-1-20250805

思考强度：—

73.35%

有 7 天前的可比快照后显示周变化。