UMBRELLA 4365UMBRELLA 4365 · Cursor 战地纪实 CAPABILITY ASSAY · 能力评测

DeepSWE v1.1

DeepSWE 考察模型端到端自主完成复杂工程问题的能力，验证器严、题目抗污染，2026 年起成为 Google 与 DeepSeek 发布材料的主战场之一。本页汇总 v1.1 版本的公开成绩与前沿刷新记录。数字全部取自官方发布材料、第三方评测机构与站内已查证档案，评测口径（版本 / 算力档 / 脚手架）标在备注里；因训练数据污染撤榜的成绩不收录。仅作记录，不构成选型建议。

模型 16 个成绩 18 条前沿刷新 1 次2026.09.02 → 2026.09.28

◈ 当前榜 CURRENT BOARD每个模型取最近一次公开成绩

#模型成绩相对前沿日期口径 / 备注
1 Muse Spark 1.3
Meta
 75.4% 100 官方对照表 · max 档（发布时未对公众开放，xhigh 为当日可调用档） 原文 ↗
2 DeepSeek-V4.1-Flash
DeepSeek
 74.2% 98.4 官方更新日志自报 · 超过 GPT-6 Astra 的 74.1 原文 ↗
3 Claude Opus 5.5
Anthropic
 74.2% 98.4 官方系统卡 · max 档 原文 ↗
4 GPT-6 Astra
OpenAI
 74.1% 98.3 官方自报 · 最大努力档 原文 ↗
5 Claude Opus 5
Anthropic
 74% 98.1 据 Gemini 3.8 Flash 发布对照表 原文 ↗
6 Gemini 3.8 Flash
Google DeepMind
 73.7% 97.7 官方自报 · 发布后更新的数字（发布当日表为 71.0） 原文 ↗
7 SWE-2
Cognition（Devin）
 73% 96.8 官方自报 · 各档最佳 原文 ↗
8 GPT-5.6 Sol
OpenAI
 72.7% 96.4 据 Gemini 3.8 Flash 发布对照表 原文 ↗
9 Grok 4.7
xAI / SpaceXAI
 71% 94.2 high 档 · mini-SWE-agent · Datacurve 评测 · 官方模型卡 原文 ↗
10 Claude Sonnet 5.5
Anthropic
 71% 94.2 官方系统卡 · 5 次平均 原文 ↗
11 Claude Fable 5.1
Anthropic
 70% 92.8 max 档 · 据 Grok 4.7 发布对照表 原文 ↗
12 Claude Fable 5
Anthropic
 69.9% 92.7 据 GPT-6 Astra 发布对照表 · xhigh 档（Cognition 注：Max 档 69.7 反而更低） 原文 ↗
13 Kimi K3
月之暗面 · Kimi
 68.5% 90.8 据 Cognition SWE-2 发布对照表 · Devin CLI harness 原文 ↗
14 Gemini 3.7 Flash
Google DeepMind
 65.3% 86.6 据 Gemini 3.8 Flash 发布对照表 原文 ↗
15 Grok 4.6
xAI / SpaceXAI
 65.2% 86.5 据 Grok 4.7 模型卡 · mini-SWE-agent（Cognition 表另有 67.5，Grok Build） 原文 ↗
16 Claude Sonnet 5
Anthropic
 53.8% 71.4 据 Gemini 3.8 Flash 发布对照表 原文 ↗

◈ 能力曲线 CAPABILITY CURVE

506070802026.072026.092026.112027.01今日%Muse Spark 1.3 · 75.4% · 2026-09-02 · 官方对照表 · max 档（发布时未对公众开放，xhigh 为当日可调用档）Claude Opus 5 · 74% · 2026-09-02 · 据 Gemini 3.8 Flash 发布对照表Gemini 3.8 Flash · 73.7% · 2026-09-02 · 官方自报 · 发布后更新的数字（发布当日表为 71.0）GPT-5.6 Sol · 72.7% · 2026-09-02 · 据 Gemini 3.8 Flash 发布对照表Gemini 3.7 Flash · 65.3% · 2026-09-02 · 据 Gemini 3.8 Flash 发布对照表Claude Sonnet 5 · 53.8% · 2026-09-02 · 据 Gemini 3.8 Flash 发布对照表GPT-6 Astra · 74.1% · 2026-09-03 · 官方自报 · 最大努力档Claude Fable 5 · 69.9% · 2026-09-03 · 据 GPT-6 Astra 发布对照表 · xhigh 档（Cognition 注：Max 档 69.7 反而更低）Claude Fable 5.1 · 67.4% · 2026-09-03 · 据 GPT-6 Astra 发布对照表 · 最大努力档DeepSeek-V4.1-Flash · 74.2% · 2026-09-10 · 官方更新日志自报 · 超过 GPT-6 Astra 的 74.1SWE-2 · 73% · 2026-09-10 · 官方自报 · 各档最佳Kimi K3 · 68.5% · 2026-09-10 · 据 Cognition SWE-2 发布对照表 · Devin CLI harnessGrok 4.6 · 67.5% · 2026-09-10 · 据 Cognition SWE-2 发布对照表 · Grok Build harnessGrok 4.7 · 71% · 2026-09-21 · high 档 · mini-SWE-agent · Datacurve 评测 · 官方模型卡Claude Fable 5.1 · 70% · 2026-09-21 · max 档 · 据 Grok 4.7 发布对照表Grok 4.6 · 65.2% · 2026-09-21 · 据 Grok 4.7 模型卡 · mini-SWE-agent（Cognition 表另有 67.5，Grok Build）Claude Opus 5.5 · 74.2% · 2026-09-22 · 官方系统卡 · max 档Claude Sonnet 5.5 · 71% · 2026-09-28 · 官方系统卡 · 5 次平均Muse Spark 1.3 75.4%
● 公开成绩（悬停看读数，点击进档案）◆ 刷新纪录的成绩— 前沿线（历史最高分的阶梯）
SWE-bench Verified · 46HLE · 22Terminal-Bench 2.1 · 18Terminal-Bench 4.0 · 18FrontierCode 1.1 Main · 13AA Intelligence Index · 12CursorBench 4.0 · 8SWE-bench Pro · 8AA Coding Agent Index · 7Terminal-Bench-Science 0.1 · 7CursorBench · 5Terminal-Bench 2.0 · 4Terminal-Bench 3.0 · 3SWE-bench Pro (Multilingual) · 2SWE-bench Pro (Multimodal) · 2Terminal-Bench · 2

◈ 前沿刷新记录 FRONTIER BREAKS榜首的保质期

日期刷新者分数提升在位
Muse Spark 1.3 Meta 75.4% 首个记录 在位中 · 60 天
⇱ 返回完整时间树 UMBRELLA 4365 · 双线对照 · 由新到旧 · 全部档案