Modelos de IA

SWE-bench Verified: ranking de modelos de IA

31 modelos en el ranking. La nota más alta en SWE-bench Verified es la de Claude Opus 4.7, con 83,5%, según Epoch AI, y 4 están en empate técnico con él.

SWE-bench Verified, en el cuadro de Epoch AI (CC BY 4.0, última versión consultada), reúne 500 problemas reales de repositorios Python en GitHub. El modelo debe generar la corrección y pasar las pruebas automatizadas. La nota es el porcentaje de tareas resueltas. Aquí están los 31 modelos de esta área con nota en SWE-bench Verified, según Epoch AI. La posición aparece como franja, porque las notas dentro del margen quedan en empate técnico.

SWE-bench Verified

83,5%

Claude Opus 4.7

modelos

31

01

Modelo%Fuente
Claude Opus 4.7Anthropic · cerrado83,5% 1.º de 31 nota más altaEpoch AI
GPT-5.5OpenAI · cerrado80,6% 2.º de 31 Epoch AI
Gemini 3.5 FlashGoogle · cerrado79,3% entre el 3.º y el 5.º de 31 Epoch AI
Claude Opus 4.6Anthropic · cerrado78,7% entre el 3.º y el 5.º de 31 Epoch AI
GLM-5.2Zhipu AI (Z.ai) · abierto78,7% entre el 3.º y el 5.º de 31 Epoch AI
DeepSeek V4 ProDeepSeek · abierto77,6% entre el 6.º y el 11.º de 31 Epoch AI
Qwen3.7 MaxAlibaba · cerrado77,3% entre el 6.º y el 11.º de 31 Epoch AI
GPT-5.4OpenAI · cerrado76,9% entre el 6.º y el 11.º de 31 Epoch AI
Claude Opus 4.5Anthropic · cerrado76,7% entre el 6.º y el 11.º de 31 Epoch AI
Kimi K2.6Moonshot AI · abierto76,7% entre el 6.º y el 11.º de 31 Epoch AI
Qwen 3.6 Max (Preview)Alibaba · no informados76,7% entre el 6.º y el 11.º de 31 Epoch AI
Gemini 3.1 ProGoogle · cerrado75,6% entre el 12.º y el 15.º de 31 Epoch AI
Gemini 3 FlashGoogle · cerrado75,4% entre el 12.º y el 15.º de 31 Epoch AI
Claude Sonnet 4.6Anthropic · cerrado75,2% entre el 12.º y el 16.º de 31 Epoch AI
GPT-5.3-CodexOpenAI · cerrado74,8% entre el 12.º y el 18.º de 31 Epoch AI
GLM 5.1Zhipu AI (Z.ai) · abierto74,2% entre el 14.º y el 20.º de 31 Epoch AI
GPT-5.2OpenAI · cerrado73,8% entre el 15.º y el 21.º de 31 Epoch AI
Kimi K2.5Moonshot AI · abierto73,8% entre el 15.º y el 21.º de 31 Epoch AI
GPT-5OpenAI · cerrado73,6% entre el 16.º y el 21.º de 31 Epoch AI
Claude Opus 4.1Anthropic · cerrado73,3% entre el 16.º y el 21.º de 31 Epoch AI
Gemini 3 ProGoogle · cerrado72,9% entre el 17.º y el 22.º de 31 Epoch AI
GLM 5Zhipu AI (Z.ai) · abierto72,1% entre el 21.º y el 23.º de 31 Epoch AI
Claude Sonnet 4.5Anthropic · cerrado71,3% entre el 22.º y el 24.º de 31 Epoch AI
Claude Opus 4Anthropic · cerrado70,7% entre el 23.º y el 24.º de 31 Epoch AI
GPT-5.1OpenAI · cerrado68% 25.º de 31 Epoch AI
GPT-5 MiniOpenAI · cerrado64,7% 26.º de 31 Epoch AI
o3OpenAI · cerrado62,3% 27.º de 31 Epoch AI
Claude 3.7 SonnetAnthropic · cerrado61% 28.º de 31 Epoch AI
Qwen3.6 PlusAlibaba · cerrado57,9% entre el 29.º y el 30.º de 31 Epoch AI
Gemini 2.5 ProGoogle · cerrado57,6% entre el 29.º y el 30.º de 31 Epoch AI
GPT-4.1OpenAI · cerrado48,5% 31.º de 31 Epoch AI

Preguntas frecuentes

¿Qué modelo tiene la nota más alta en SWE-bench Verified?

La nota más alta en SWE-bench Verified es la de Claude Opus 4.7, con 83,5%, según Epoch AI, y 4 modelos están en empate técnico con él.

¿Qué mide SWE-bench Verified?

SWE-bench Verified, en el cuadro de Epoch AI (CC BY 4.0, última versión consultada), reúne 500 problemas reales de repositorios Python en GitHub. El modelo debe generar la corrección y pasar las pruebas automatizadas. La nota es el porcentaje de tareas resueltas.

¿Qué quiere decir “empate técnico con la nota más alta”?

Quiere decir que la diferencia con la nota más alta queda dentro del margen del 95%, que nunca es menor que 1 punto. En SWE-bench Verified, cerca del 90%, ese margen es de unos 3,8 puntos. Por eso la posición aparece como franja, «entre el X.º y el Y.º de N»: entre modelos empatados, el orden puede ser ruido de medición.

¿Qué modelos entran en este ranking?

Los 31 modelos de esta área con nota publicada en SWE-bench Verified, según Epoch AI. Ninguna versión hereda la nota de otra.

Cómo leer

  1. Las notas de benchmark son porcentajes, y el valor más alto es el mejor.
  2. La posición aparece como franja, «entre el 1.º y el 5.º de 31». Dentro de la franja, la diferencia con los modelos vecinos queda dentro del margen del benchmark. El sello «nota más alta» marca al modelo con la nota más alta del benchmark, y el sello «empate técnico con la nota más alta» marca a los modelos cuya diferencia con ella queda dentro del margen.
  3. En un benchmark saturado, la tabla muestra el marcador con el sello y sin orden de posición.

Fuentes

  • Epoch AI, CC BY 4.0, versión más reciente consultada.
  • OpenRouter Benchmarks, CC BY 4.0, versión más reciente consultada.
  • OpenRouter, dados públicos da API; exports de benchmarks e rankings em CC BY 4.0, versión más reciente consultada.

Las fechas vienen de las fuentes: entrada en OpenRouter o creación del repositorio en Hugging Face, que pueden no coincidir con el lanzamiento oficial. Familia y versión se agruparon por regla a partir del nombre.

Cómo citar

Si usa estos datos, cite la página y la fecha en que la consultó.

Adriano Meirinho. «SWE-bench Verified: ranking de modelos de IA». meirinho.com.br. https://meirinho.com.br/es/ia/modelos/benchmark/swe-bench-verified/. Consultado el 21 de noviembre de 2026.

Los datos de terceros siguen la licencia de cada fuente. La tabla completa está en CSV y en JSON.

Markdown