AI 评测与排行榜，分别告诉你什么
分清评测基准、一次评测运行与排行榜，用它们回答各自适合的问题。
LLM Stats
FrontierSWE
FrontierSWE measures whether an agent can complete open-ended technical projects at the scale of hours to tens of hours, spanning systems optimization, large-scale code construction, and applied ML research. Performance is reported as a dominance score, where higher is better.
评测信息与证据
- 来源
- LLM Stats
- 发布者
- 未收录
- 评测发布日期
- 未收录
- 采集日期
- 2026-08-17
- 模态
- text
本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。
原始资料
报告成绩 16
按来源中的观察顺序展示，顺序不代表排名。日期保留原始精度。
| 模型 | 数值 | 单位 | 协议 | 报告日期与口径 | 来源 |
|---|---|---|---|---|---|
| Claude Fable 5 | 0.9 | 未收录 | 未收录 | 2026-06-09 · model_announcement | LLM Stats |
| Kimi K3 | 0.812 | 未收录 | 未收录 | 2026-07-16 · model_announcement | LLM Stats |
| GLM-5.3 | 0.781 | 未收录 | 未收录 | 2026-08-14 · model_announcement | LLM Stats |
| Claude Opus 4.8 | 0.75 | 未收录 | 未收录 | 2026-05-28 · model_announcement | LLM Stats |
| GLM-5.2 | 0.74 | 未收录 | 未收录 | 2026-06-16 · model_announcement | LLM Stats |
| Qwen3.8 Max | 0.735 | 未收录 | 未收录 | 2026-08-02 · model_announcement | LLM Stats |
| GPT-5.5 | 0.73 | 未收录 | 未收录 | 2026-04-23 · model_announcement | LLM Stats |
| Claude Opus 4.7 | 0.63 | 未收录 | 未收录 | 2026-04-16 · model_announcement | LLM Stats |
| Claude Opus 4.6 | 0.56 | 未收录 | 未收录 | 2026-02-05 · model_announcement | LLM Stats |
| GPT-5.4 | 0.54 | 未收录 | 未收录 | 2026-03-05 · model_announcement | LLM Stats |
| Gemini 3.1 Pro | 0.4 | 未收录 | 未收录 | 2026-02-19 · model_announcement | LLM Stats |
| GLM-5.1 | 0.31 | 未收录 | 未收录 | 2026-04-07 · model_announcement | LLM Stats |
| DeepSeek-V4-Pro-Max | 0.29 | 未收录 | 未收录 | 2026-04-23 · model_announcement | LLM Stats |
| Kimi K2.6 | 0.27 | 未收录 | 未收录 | 2026-04-20 · model_announcement | LLM Stats |
| Kimi K2.5 | 0.26 | 未收录 | 未收录 | 2026-01-27 · model_announcement | LLM Stats |
| Qwen3.6 Plus | 0.22 | 未收录 | 未收录 | 2026-04-02 · model_announcement | LLM Stats |