UMBRELLA 4365 SWE-bench Pro
SWE-bench Pro 是 Scale AI 推出的加难版：题目更长、跨文件更多、含商业代码库私有集，用来区分「刷穿 Verified」之后的前沿模型。本页汇总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 8 个成绩 8 条前沿刷新 4 次2026.04.08 → 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 | Claude Opus 5.5 Anthropic |
89.9% | 100 | 官方系统卡 · max 档 · 5 次平均 原文 ↗ | |
| 2 | Claude Sonnet 5.5 Anthropic |
81.3% | 90.4 | 官方系统卡 · max 档 · 5 次平均 原文 ↗ | |
| 3 | Claude Fable 5 Anthropic |
80.3% | 89.3 | 官方自报 原文 ↗ | |
| 4 | Claude Opus 5 Anthropic |
79.2% | 88.1 | 据 Opus 5.5 发布对照表 原文 ↗ | |
| 5 | Claude Sonnet 5 Anthropic |
63.2% | 70.3 | 据 Sonnet 5.5 发布对照表 原文 ↗ | |
| 6 | Qwen3.7-Max 阿里 · Qwen |
60.6% | 67.4 | 第三方 tracker 观测（llmreference） 原文 ↗ | |
| 7 | MiniMax-M3 MiniMax |
59% | 65.6 | 官方自报 原文 ↗ | |
| 8 | GLM-5.1 智谱 · GLM |
58.4% | 65 | 官方自报 · 国产首次超过 Opus 4.6 原文 ↗ |
◈ 能力曲线 CAPABILITY CURVE
● 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 · 22DeepSWE v1.1 · 18Terminal-Bench 2.1 · 18Terminal-Bench 4.0 · 18FrontierCode 1.1 Main · 13AA Intelligence Index · 12CursorBench 4.0 · 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 |
|---|---|---|---|---|
| GLM-5.1 智谱 · GLM | 58.4% | 首个记录 | 42 天 | |
| Qwen3.7-Max 阿里 · Qwen | 60.6% | +2.2 | 20 天 | |
| Claude Fable 5 Anthropic | 80.3% | +19.7 | 105 天 | |
| Claude Opus 5.5 Anthropic | 89.9% | +9.6 | 在位中 · 40 天 |