SWE-bench Multimodal 榜单：Claude Opus 5.5 以 70.21% 居首
OfirPress · x · 2026-10-15
Vals AI 发布 SWE-bench Multimodal 排行榜（含截图类 JavaScript issue），测试 AI 系统能否泛化到视觉软件工程场景。Claude Opus 5.5 以 70.21% 排第一，Claude Fable 5.1（61.25%）、Claude Sonnet 5.5（58.33%）分列二三。
其他要点：
- 单任务成本差距悬殊：从 GPT-6 Luna 的 $0.03 到 Gemini 4 Argon 的 $11.40
- DeepSeek V4.1 Flash 以 $0.23/任务拿下 46.46%，性价比突出
- Kimi K3 35.83%、Grok 4.7 42.92%、Qwen 3.8 Max 39.17%
- 分数从 35.83% 到 70.21% 分布很宽，头部与长尾差距明显
所属事件:SWE-bench Multimodal 排行榜发布,Claude Opus 5.5 居首(4 条相关)→
「编程与Agent」频道最新
- 56% 美国旅行者已用 AI 规划行程,代理式旅游成新分销渠道 — robertonappe · 2026-10-15
- 2026 年 AI+数据人差异化打法:RAG+Agent 搭决策建议机 — mdancho84 · 2026-10-15
- Amazon 封禁 Meta 购物 agent Muse,代理式商务入口之争开打 — robertonappe · 2026-10-15
- Zenzap 融资 4400 万美元,聊天群里人机协作办公 — testingcatalog · 2026-10-15
- LangChain Deep Agents 演示:Slack 丢入 CSV 自动回传幻灯片 — Hacubu · 2026-10-15
- Zeeg 发问:因为 AI Agent 才开始用的老软件有哪些 — zeeg · 2026-10-15