SWE-bench Multimodal 排行榜上线，Claude Opus 5.5 居首

Vals AI 上线 SWE-bench Multimodal 排行榜，这是 SWE-bench 的进阶版本，专注地图渲染错误等视觉类软件 bug，难度更高。首期排名中，Claude Opus 5.5 以 70.21% 的解决率位居榜首，论文作者 Ofir Press 介绍了该榜单。该榜单为评估多模态模型的视觉调试能力提供了新基准。