SWE-bench Multimodal 排行榜上线

2026年10月15日，AGI Hunt 报道，Vals AI 上线 SWE-bench Multimodal 排行榜。该榜单是 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。报道称，该榜单为评估多模态模型的视觉调试能力提供了新基准。目前仅有首期排名公布，尚无其他模型成绩或后续更新的报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。