SWE-rebench排行榜已更新，新增了模型条目并重新设计了用户界面，以便更轻松地比较结果。

  • Claude Opus 4.8 xhigh以使用2.48M tokens达成56.5%的解决率领先。
  • GLM-5.2以使用2.62M tokens达成51.1%的成绩紧随其后。
  • Gemini 3.5 Flash以使用1.85M tokens取得49.5%的得分。
  • MiniMax M3以使用6.89M tokens达到45.6%。
  • DeepSeek-V4 Pro以使用2.25M tokens实现42.7%的成绩。
  • MiMo V2.5 Pro以使用2.59M tokens获得42.4%的得分。
  • DeepSeek-V4 Flash以使用3.00M tokens达成38.4%的成绩。
  • Qwen3.6-27B以使用1.88M tokens达到36.5%。
  • Qwen3.6-35B-A3B以使用2.23M tokens取得33.8%的得分。
  • Gemma 4 31B以使用2.24M tokens实现16.5%的成绩。

此次更新突出了本地和自托管模型，并指出Qwen3.6-27B在其参数量级下表现尤为强劲。