2026年8月、コーディングベンチマークの最新スコア。

2026年8月、コーディングベンチマークの最新スコア。

SWE-bench Verified（2026年2月更新、500件）：
1位 Claude Opus 4.5 80.9%
2位 Claude Opus 4.6 80.8%
3位 MiniMax M2.5 80.2%
4位 GPT-5.2 80.0%
5位 Claude Sonnet 4.6 79.6%

SWE-bench Pro（Scale SEAL、難度高）：
1位 Qwen3.8-Flash-Next 62.5%（8月26日公開）
2位 Claude Opus 4.5 + WarpGrep v2 57.5%
3位 GPT-5.3-Codex 56.8%
4位 GPT-5.2-Codex 56.4%
5位 Claude Opus 4.5（標準） 45.9%

WebDev Arena（Elo、2026年2月24日更新、171,212票）：
1位 Gemini 3.7 Flash 1588（8月14日公開）
2位 Claude Opus 4.5-thinking 1510
3位 Gemini 3 Pro 1487
4位 Grok 4.1-thinking 1482
5位 GPT-5.2-high 1477

Qwen3.8-Flash-NextはSWE-bench Proで全モデル中1位だが、WebDev Arenaには未参加。

Gemini 3.7 FlashはWebDev Arena首位だが、SWE-bench Proスコアは未公開。

万能モデルは、まだ存在しない。