SWE-Marathon(版の記載なし)
長時間のソフトウェアエンジニアリング課題。出典に版の記載が無い、または v1.1 の最終版より前のタスクで評価したため v1.1 とは分けている。
- 分類
- エージェント型コーディング
- 単位
- パーセント(%)
- 高いほど良い
- 比較グループ
- 1グループ
- すべてのモデルの順位(記録)・順位を付けた結果 1 件
すべてのモデルの順位(記録)
旧モデルと Claude Code / Codex で選べないモデルを含めて、比較グループごとに順位を付け直したものです。順位を付ける顔ぶれが違うので、上の順位とは違います。
旧モデル・選べないモデルを含む順位を開く(1 件)
公式の結果(Kimi K3 (Hugging Face model card, moonshotai))
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Kimi K3 | Max | 42.0% | — | Moonshot AI | Kimi K3 (Hugging Face model card, moonshotai)2026-11-13 取得・ベンダー発表値(Moonshot AI 自己申告)。表注: All Kimi K3 results are obtained with reasoning effort set to 'max' and temperature = 1.0。Claude Code ハーネス。v1.1 の最終版より前の、H20 向けに調整した公式タスクの branch(2026-07-09 時点)で評価出典の該当箇所SWE-Marathon | 42.0所在 HF モデルカード「3. Evaluation Results」の表、SWE-Marathon 行・Kimi K3 (max) 列(左端の数値列)。根拠の脚注: Coding / SWE-Marathon |