מבחן הערכה
SWE-bench Multilingual
מדד משני
מה הוא מודד
קוד ופיתוח תוכנה: כתיבת קוד נכון ועבודה בריפוזיטורי אמיתי
מה הוא לא מודד
- אינו בודק איכות עיצוב מערכת, אבטחה או תחזוקתיות לאורך זמן.
הערות רישום
Useful for multilingual code/repository coverage; not a Hebrew-language benchmark.
תוצאות שנקלטו
| מערכת | ציון | פרוטוקול | מקור |
|---|---|---|---|
| Claude Opus 5 | 89.5 | SWE-bench Multilingual, pass@1 · דיווח של הספק | קישור |
| Claude Opus 4.8 | 84.4 | SWE-bench Multilingual, pass@1 · דיווח של הספק | קישור |
| Qwen3.8-Flash-Next | 81.0 | SWE-bench Multilingual, pass@1 · דיווח של הספק | קישור |
| Qwen3.7 Max | 78.3 | SWE-bench Multilingual, pass@1 · דיווח של הספק | קישור |
| Grok 4.5 | 78.0 | SWE-bench Multilingual, pass@1 · מקור לא מאומת | קישור |
| Kimi K2.6 | 76.7 | SWE-bench Multilingual, pass@1 · דיווח של הספק | קישור |
| MiniMax M2.7 | 76.5 | SWE-bench Multilingual, pass@1 · דיווח של הספק | קישור |
| DeepSeek V4 Pro 0813 | 76.2 | SWE-bench Multilingual, pass@1 · דיווח של הספק | קישור |
| Qwen3.7 Plus | 75.8 | SWE-bench Multilingual, pass@1 · דיווח של הספק | קישור |
| Qwen3.6 Plus | 73.8 | SWE-bench Multilingual, pass@1 · דיווח של הספק | קישור |
| Ling 3.0 Flash | 72.4 | SWE-bench Multilingual, pass@1 · דיווח של הספק | קישור |
| Claude Opus 4.6 | 72.0 | SWE-bench Multilingual, סוכן mini-SWE-agent, הרצה שאומתה · מדידה בלוח עצמאי | קישור |
| GLM-5 | 69.7 | SWE-bench Multilingual, סוכן mini-SWE-agent, הרצה שאומתה · מדידה בלוח עצמאי | קישור |
| Gemini 3 Pro | 68.7 | SWE-bench Multilingual, סוכן mini-SWE-agent, הרצה שאומתה · מדידה בלוח עצמאי | קישור |
| MiniMax M2.5 | 68.3 | SWE-bench Multilingual, סוכן mini-SWE-agent, הרצה שאומתה · מדידה בלוח עצמאי | קישור |
| Kimi K2.5 | 67.3 | SWE-bench Multilingual, סוכן mini-SWE-agent, הרצה שאומתה · מדידה בלוח עצמאי | קישור |
| DeepSeek V3.2 | 59.0 | SWE-bench Multilingual, סוכן mini-SWE-agent, הרצה שאומתה · מדידה בלוח עצמאי | קישור |