Claude Opus 4.5 · SWE-bench Multilingual · 300 problems, 9 programming languages · 成绩与配置

Claude Opus 4.5 的 SWE-bench Multilingual · 300 problems, 9 programming languages 记录。本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录),附 2 条来源定位。

成绩与评测条件

Claude Opus 4.5 · SWE-bench Multilingual 成绩与配置
指标与成绩配置与评测条件出处
Pass rate76.2%原文 76.20% · 单位 %
公布 未确认
默认 High
设置
64K thinking budget、200K context、默认 high、默认 sampling、5 次独立试验。
未知项
未另记
工具
工具条件未记录
推理预算
high · 思考预算 64K
框架
未记录
协议
SWE-bench Multilingual, 300 problems in 9 programming languages; average over 5 trials.
条件
64K thinking budget; 200K context and extended thinking turned off apply to the no-thinking evaluation description, not this row.
在排名中查看此成绩
Pass rate76.2%原文 76.20% · 单位 %
公布 未确认
SWE-bench 无 thinking budget
设置
发布材料明确说明 SWE-bench Verified 不使用 thinking budget。
未知项
除发布表和脚注外未提取完整测试脚手架细节。
工具
工具条件未记录
推理预算
未记录
框架
未记录
协议
SWE-bench Multilingual, 300 problems in 9 programming languages; average over 5 trials.
条件
Extended thinking turned off; 200K context.
在排名中查看此成绩

出处与披露

测试版本与指标

别名 SWE-Bench Multilingual

  • Pass rate · % · 越高越好