SWE-Marathon编程

xAI Grok 4.5 发布页图表；resolution rate，pass@1。SWE-Marathon 是 SWE-bench 系列的长时运行变体，设计更复杂的多步骤软件工程任务，模型需在长时间交互中持续探索、调试和修改代码。评估 AI 在持久化编程任务中的规划、推理与执行能力。

排行数据源

#模型得分

1

Claude Opus 4.8Anthropic

48.8%

2

Kimi K3月之暗面

48.1%

3

GLM-5.3智谱AI

42.5%

4

GPT-5.6 SolOpenAI

42.5%

5

Claude Fable 5Anthropic

35.0%

6

Grok 4.5xAI

29.0%

7

GLM-5.2智谱AI

19.4%

8

Claude Opus 4.7Anthropic

16.0%

9

GPT-5.5OpenAI

14.0%

10

Gemini 3.1 ProGoogle

4.0%

共 11 个模型

返回基准目录

SWE-Marathon编程

官方网站

xAI Grok 4.5 发布页图表；resolution rate，pass@1。SWE-Marathon 是 SWE-bench 系列的长时运行变体，设计更复杂的多步骤软件工程任务，模型需在长时间交互中持续探索、调试和修改代码。评估 AI 在持久化编程任务中的规划、推理与执行能力。

排行数据源

#模型得分

1

Claude Opus 4.8Anthropic

48.8%

2

Kimi K3月之暗面

48.1%

3

GLM-5.3智谱AI

42.5%

4

GPT-5.6 SolOpenAI

42.5%

5

Claude Fable 5Anthropic

35.0%

6

Grok 4.5xAI

29.0%

7

GLM-5.2智谱AI

19.4%

8

Claude Opus 4.7Anthropic

16.0%

9

GPT-5.5OpenAI

14.0%

10

Gemini 3.1 ProGoogle

4.0%

共 11 个模型